Bedeutung der Bewertungsmetriken in Tensorflow

8

Ich bin so ziemlich ein Anfänger in Tensorflow und folge einfach einem Tutorial. Es gibt kein Problem mit meinem Code, aber ich habe eine Frage bezüglich der Ausgabe

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

Ich würde gerne wissen, was "Vorhersage / Mittelwert" und "Bezeichnung / Mittelwert" bedeuten.

Imran Khan
quelle
2
Vielleicht könnten Sie die Codezeile, die diese Ausgabe erzeugt hat, zusammen mit Informationen zu Architektur, Setup und Daten bereitstellen?
Andreas Storvik Strauman
Willkommen bei AI! Andeas 'Vorschlag ist gut (
bezüglich

Antworten:

5

All dies könnte problemspezifisch sein (außer vielleicht Genauigkeit). Das meiste davon ist hier dokumentiert :

  • Genauigkeit: Prozentsatz der korrekten Anzahl von Klassifizierungen
  • Genauigkeitsbasislinie: Genauigkeitsbasislinie basierend auf dem Mittelwert der Beschriftung. Dies ist das Beste, was das Modell tun kann, wenn immer eine Klasse vorhergesagt wird. ( Quelle )
  • AUC oder Area Under the (ROC) -Kurve ist ziemlich kompliziert, sagt aber etwas über die True / False-Positivrate aus. Kurz gesagt: Die AUC entspricht der Wahrscheinlichkeit, dass ein Klassifizierer eine zufällig ausgewählte positive Instanz höher einstuft als eine zufällig ausgewählte negative.
  • auc_precision_recall: Gibt den Prozentsatz der relevanten Instanzen unter den abgerufenen Instanzen an, die über die Gesamtmenge der relevanten Instanzen abgerufen wurden.
  • durchschnittlicher_verlust: Normalerweise minimieren Sie einige Funktionen, und dies ist wahrscheinlich der Durchschnittswert dieser Funktion angesichts der aktuellen Stapel.
  • Verlust: Der aktuelle Wert des Verlusts (wie oben). Entweder die Summe der Verluste oder der Verlust der letzten Charge.
  • global_step: Anzahl der Iterationen.
  • Bezeichnung / Mittelwert und Vorhersage / Mittelwert: Nicht wirklich sicher, aber ich vermute, dass bei zwei Klassen die Bezeichnung / der Mittelwert der Mittelwert der Wertelabels ist, während Vorhersage / Mittelwert der Wert der entsprechenden Vorhersagen sein könnte. (Zwei Klassen können einen Wert zwischen 0 und 1 ergeben.)
Andreas Storvik Strauman
quelle