roc_curve() - CoreWeave Docs

fonction wandb.plot.roc_curve()

Génère un graphique de courbe ROC (Receiver Operating Characteristic).

y_true: 'Sequence[numbers.Number]',
y_probas: 'Sequence[Sequence[float]] | None' = None,
labels: 'list[str] | None' = None,
classes_to_plot: 'list[numbers.Number] | None' = None,
title: 'str' = 'ROC Curve',
split_table: 'bool' = False

Arguments

Sequence[numbers.Number]

Les étiquettes de classe réelles (vérité terrain) de la variable cible. La forme attendue est (num_samples,).

Sequence[Sequence[float]] | None

Les probabilités prédites ou les scores de décision pour chaque classe. La forme attendue est (num_samples, num_classes).

list[str] | None

Étiquettes lisibles correspondant aux indices de classe dans y_true. Par exemple, si labels=['dog', 'cat'], la classe 0 est affichée sous le nom ‘dog’ et la classe 1 sous le nom ‘cat’ dans le graphique. Si la valeur est None, les indices de classe bruts de y_true sont utilisés. Par défaut : None.

list[numbers.Number] | None

Sous-ensemble d’étiquettes de classe uniques à inclure dans la courbe ROC. Si la valeur est None, toutes les classes de y_true sont représentées. Par défaut : None.

str

Titre du graphique de la courbe ROC. Par défaut : “ROC Curve”.

bool

Indique si le tableau doit être placé dans une section distincte de l’interface W&B. Si True, le tableau s’affiche dans une section nommée “Custom Chart Tables”. Par défaut : False.

Renvoie

CustomChart : un objet de graphique personnalisé pouvant être consigné dans W&B. Pour journaliser le graphique, transmettez-le à wandb.log().

Exceptions levées

wandb.Error : si numpy, pandas ou scikit-learn sont introuvables.

Exemples

import numpy as np
import wandb

# Simuler un problème de classification pour un diagnostic médical portant sur trois maladies
n_samples = 200
n_classes = 3

# Étiquettes réelles : attribuer « Diabetes », « Hypertension » ou « Heart Disease » à
# chaque échantillon
disease_labels = ["Diabetes", "Hypertension", "Heart Disease"]
# 0 : Diabetes, 1 : Hypertension, 2 : Heart Disease
y_true = np.random.choice([0, 1, 2], size=n_samples)

# Probabilités prédites : simuler des prédictions dont la somme vaut 1
# pour chaque échantillon
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)

# Indiquer les classes à tracer (ici, les trois maladies)
classes_to_plot = [0, 1, 2]

# Initialiser un run W&B et journaliser un graphique de courbe ROC pour la classification des maladies
with wandb.init(project="medical_diagnosis") as run:
    roc_plot = wandb.plot.roc_curve(
        y_true=y_true,
        y_probas=y_probas,
        labels=disease_labels,
        classes_to_plot=classes_to_plot,
        title="ROC Curve for Disease Classification",
    )
    run.log({"roc-curve": roc_plot})

​fonction wandb.plot.roc_curve()

​Arguments

​Renvoie

​Exceptions levées

​Exemples

fonction wandb.plot.roc_curve()

Arguments

Renvoie

Exceptions levées

Exemples