我使用谷歌tensorflow TensorFlow Wide & Deep Learning来预测点击率。该代码基于wide_n_deep_tutorial.py。
但是，auc很糟糕。我检查了代码并发现，在DNN Linear Combined.by中，损失函数被定义为
loss = math_ops.reduce_mean(loss_unweighted, name=name)
在CTR预测中，列车数据不平衡。因此，如果使用这种损失函数，当在负面类（多数类）中预测更多样本时，损失将更好。
更重要的是，CTR的预测远远大于真正的点击率。 （真正的点击率低于1％，平均预测点击率约为30％。）
我的问题是：如何修改代码以使用logloss？ TF提供这个吗？我检查了代码，发现了以下内容：
math_ops.reduce_logsumexp在tensorflow / python / ops / math_ops.py中_log_loss_with_two_classes in tensorflow / contrib / learn / python / learn / estimators / head.py但是，第一个没有改变与math_ops.reduce_sum。我不知道如何使用第二个功能。
总之，我的问题可以概括为：如何修改代码以使用logloss函数。
谢谢。
如果您只想计算logloss，并且给出了损失，那么您可以按如下方式计算logloss，而无需更改代码：
log_loss = math_ops.log(loss)