版本信息：

TensorFlow: 1.6.0
TensorBoard: 1.6.0

我正在做的事情和熟悉的内容：

1. 使用预制的Estimator tf.estimator.DNNClassifier 来训练一个二分类模型，该模型使用一个严重倾斜的数据集（即不平衡数据集）。
2. 因此，我必须使用Precision-Recall曲线来选择最优模型，而不是AUC曲线。
3. 我对tf.estimator.DNNClassifier没有做任何修改（当然，我确实更改了这三个参数：hidden_units、feature_columns、model_dir）。
4. 当模型的准确率达到某个阈值并停止优化后，我需要继续进行训练：从所有特征中逐个选择一个特征进行训练，以便尽可能去除一些噪声特征。
5. 我按照步骤4进行操作，每次选择一个特征后，我会得到一个新的训练结果和TensorBoard中关于auc_precision_recall曲线的新图表。即，当我选择FEATURE_A时，我得到了图A；选择FEATURE_B时，我得到了图B；选择FEATURE_C时，我得到了图C。
   图表如下：
   图A, 图B, 图C
6. 关于上述auc_precision_recall曲线图的描述：
   • x轴：表示训练步骤。
   • y轴：范围从0到1（我想知道的是：y轴代表什么？）。
7. 以下是来自该网站的标准Precision-Recall曲线。（我在这里贴出来是为了方便我们讨论我的问题）。
   标准Precision-Recall曲线
8. 关于上述标准Precision-Recall曲线的描述：
   • x轴：召回率，范围从0到1。
   • y轴：精确率，范围从0到1。

我的问题：

1. 在TensorBoard的auc_precision_recall曲线中，y轴上的值代表什么意思？
2. TensorBoard的auc_precision_recall曲线与标准的Precision-Recall曲线之间有什么关系？
3. 为什么TensorBoard的auc_precision_recall曲线中y轴上的值如此奇怪？
   • 在图A中，第一个点是(x, y) = (1, 0.5009)，为什么在第一步时y值是0.5009？而且为什么大多数其他值也保持在0.5左右（从图A中我们可以很容易地看出这一点）？
   • 同样在图B中，第一个点是(x, y) = (7, 0.4625)，为什么这个y值（0.4625）在前几个训练步骤中不是接近0的值，就像图C显示的那样？

回答：

我已经得到了答案：这是TensorFlow 1.6.0版本中的一个错误，原因是计算AUC_PR值的方法（梯形法）错误，这个错误已在最新版本1.8.0中通过这个提交修复。因此，如果您在训练一个严重倾斜的数据集，请记得将TensorFlow更新到最新版本1.8.0。