pr_curve() - CoreWeave Docs

function wandb.plot.pr_curve()

適合率-再現率 (PR) 曲線を作成します。適合率-再現率曲線は、不均衡なデータセットで分類器を評価する際に特に有用です。 PR 曲線の下の面積が大きい場合、適合率が高く (偽陽性率が低い)、再現率も高い (偽陰性率が低い) ことを示します。この曲線から、さまざまなしきい値における偽陽性と偽陰性のバランスを把握できるため、モデルのパフォーマンスの評価に役立ちます。

y_true: 'Iterable[T] | None' = None,
y_probas: 'Iterable[numbers.Number] | None' = None,
labels: 'list[str] | None' = None,
classes_to_plot: 'list[T] | None' = None,
interp_size: 'int' = 21,
title: 'str' = 'Precision-Recall Curve',
split_table: 'bool' = False

引数

Iterable[T] | None

正解の二値ラベル。形状は (num_samples,) である必要があります。

Iterable[numbers.Number] | None

各クラスの予測スコアまたは確率。確率の推定値、信頼度スコア、またはしきい値処理前の決定値を指定できます。形状は (num_samples, num_classes) である必要があります。

list[str] | None

y_true の数値を置き換えるクラス名のリスト (オプション)。プロットが解釈しやすくなります。たとえば、labels = ['dog', 'cat', 'owl'] を指定すると、プロット内で 0 が ‘dog’、1 が ‘cat’、2 が ‘owl’ に置き換えられます。指定しない場合は、y_true の数値がそのまま使用されます。

list[T] | None

プロットに含める、y_true の一意なクラス値のリスト (オプション)。指定しない場合は、y_true のすべての一意なクラスがプロットされます。

int

再現率値の補間に使用するポイントの数。再現率値は範囲 [0, 1] に均等に分布する interp_size 個のポイントに固定され、適合率はそれに合わせて補間されます。

str

プロットのタイトル。デフォルトは “適合率-再現率 Curve” です。

bool

W&B UI で表を別のセクションに分けて表示するかどうか。True の場合、表は “Custom Chart Tables” という名前のセクションに表示されます。デフォルトは False です。

戻り値

CustomChart: W&B にログできるカスタムチャートオブジェクトです。チャートをログするには、このオブジェクトを wandb.log() に渡します。

送出される例外

wandb.Error: NumPy、pandas、または scikit-learn がインストールされていない場合。

サンプル

import wandb

# スパム検出（二値分類）の例
y_true = [0, 1, 1, 0, 1]  # 0 = スパムではない、1 = スパム
y_probas = [
    [0.9, 0.1],  # 1 つ目のサンプル（スパムではない）の予測確率
    [0.2, 0.8],  # 2 つ目のサンプル（スパム）。以降も同様
    [0.1, 0.9],
    [0.8, 0.2],
    [0.3, 0.7],
]

labels = ["not spam", "spam"]  # 読みやすくするためのクラス名（オプション）

with wandb.init(project="spam-detection") as run:
    pr_curve = wandb.plot.pr_curve(
        y_true=y_true,
        y_probas=y_probas,
        labels=labels,
        title="Precision-Recall Curve for Spam Detection",
    )
    run.log({"pr-curve": pr_curve})

​function wandb.plot.pr_curve()

​引数

​戻り値

​送出される例外

​サンプル

function wandb.plot.pr_curve()

引数

戻り値

送出される例外

サンプル