tf.contrib.metrics.streaming_auc

Вычисляет приблизительную AUC с помощью суммы Римана. (устарело)

tf.contrib.metrics.streaming_auc(
    predictions, labels, weights=None, num_thresholds=200, metrics_collections=None,
    updates_collections=None, curve='ROC', name=None
)

Функция streaming_auc создаёт четыре локальные переменные, true_positives, true_negatives, false_positives и false_negatives, используемые для вычисления AUC. Для дискретизации кривой AUC используется линейно распределённый набор пороговых значений для вычисления пар значений отзыва и точности. Таким образом, площадь под кривой ROC вычисляется с помощью высоты значений отзыва по отношению к скорости ложных срабатываний, а площадь под кривой PR вычисляется с помощью высоты значений точности по отношению к отзывчивости.

Это значение в конечном итоге возвращается как auc, идемпотентная операция, которая вычисляет площадь под дискретизированной кривой точности по отношению к отзывчивости (вычисляемой с использованием упомянутых выше переменных). Переменная num_thresholds управляет степенью дискретизации, и большие значения порога более точно аппроксимируют истинную AUC. Качество приближения может значительно варьироваться в зависимости от num_thresholds.

Для достижения наилучших результатов predictions должны быть распределены примерно равномерно в диапазоне [0, 1] и не должны иметь пиков около 0 или 1. Качество аппроксимации AUC может быть плохим, если это не так.

Для оценки метрики по потоку данных функция создаёт операцию update_op , которая обновляет эти переменные и возвращает auc.

Если weights является None, веса по умолчанию равны 1. Используйте веса 0 для маскирования значений.