Значение метрик оценки в Tensorflow

Я в значительной степени новичок в Tensorflow и просто следую инструкциям. С моим кодом проблем нет, но у меня есть вопрос относительно вывода

accuracy: 0.95614034
accuracy_baseline: 0.6666666
auc: 0.97714674
auc_precision_recall: 0.97176754
average_loss: 0.23083039
global_step: 760
label/mean: 0.33333334
loss: 6.578666
prediction/mean: 0.3428335

Я хотел бы знать, что представляют собой «предсказание / значит» и «ярлык / значит»?

Все это может быть конкретной проблемой (за исключением, может быть, точности). Большая часть этого задокументирована здесь :

• точность: процент правильного количества классификаций
• precision_baseline: Точность базовой линии на основе средней метки. Это лучшее, что может сделать модель, всегда предсказывая один класс. ( источник )
• AUC или область под кривой (ROC) довольно сложна, но говорит вам кое-что об истинных / ложных положительных показателях. Вкратце: AUC равна вероятности того, что классификатор будет ранжировать случайно выбранный положительный экземпляр выше, чем случайно выбранный отрицательный.
• auc_precision_recall: процент соответствующих экземпляров среди извлеченных экземпляров, которые были извлечены, по отношению к общему количеству соответствующих экземпляров.
• average_loss: Вы обычно минимизируете некоторую функцию, и это, вероятно, среднее значение этой функции, учитывая текущие пакеты.
• потеря: текущая стоимость потери (как указано выше). Либо сумма потерь, либо потеря последней партии.
• global_step: количество итераций.
• Метка / среднее и прогноз / среднее: Не совсем уверен, но я подозреваю, что если у вас есть два класса, тогда метка / среднее является средним значением меток значения, в то время как прогноз / среднее может быть значением соответствующих прогнозов. (два класса могут дать вам значение от 0 до 1)