Tensorflow的评估函数会输出许多统计数据：

accuracy: 0.915224accuracy/baseline_target_mean: 0.220896accuracy/threshold_0.500000_mean: 0.915224auc: 0.937926global_step: 200labels/actual_target_mean: 0.220896labels/prediction_mean: 0.203677loss: 0.247065precision/positive_threshold_0.500000_mean: 0.991379recall/positive_threshold_0.500000_mean: 0.621622

baseline_target_mean（在准确率之后）和positive_threshold_0.500000_mean（在精确率和召回率之后）是什么意思？

回答：

由于你得到了这些统计数据，我猜测你正在进行二元分类。

baseline_target_mean是数据中类别标签的平均值，即在这个例子中，假设你的类别标签是0和1，大约22%的测试样本属于类别1，其余样本属于类别0。类别标签可以是任意数字，因此解释取决于你的数据，我描述的只是一种可能性，因为我不知道你使用的数据。

positive_threshold_0.500000_mean的意思是，预测值高于0.5的样本被认为是正样本，而低于0.5的样本被认为是负样本。