> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
# roc_curve()
export const GitHubLink = ({url, compact = false}) =>
{compact ? "View source" : <>
GitHub source
}
;
関数 wandb.plot.roc\_curve()
受信者動作特性 (ROC) 曲線のチャートを作成します。
```python theme={"system"}
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
```
引数
目的変数の真のクラスラベル (正解ラベル) 。形状は (num\_samples,) にする必要があります。
各クラスの予測確率または決定スコア。形状は (num\_samples, num\_classes) にする必要があります。
`y_true` のクラスインデックスに対応する、人が理解しやすいラベル。たとえば、`labels=['dog', 'cat']` の場合、プロットではクラス 0 が 'dog'、クラス 1 が 'cat' と表示されます。None の場合、`y_true` のクラスインデックスがそのまま使用されます。デフォルトは None です。
ROC 曲線に含める、一意のクラスラベルのサブセット。None の場合、`y_true` のすべてのクラスがプロットされます。デフォルトは None です。
ROC 曲線プロットのタイトル。デフォルトは "ROC Curve" です。
W\&B UI で表を別のセクションに分割するかどうか。`True` の場合、表は "Custom Chart Tables" という名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、`wandb.log()` に渡します。
送出される例外
* `wandb.Error`: numpy、pandas、または scikit-learn が見つからない場合。
サンプル
```python theme={"system"}
import numpy as np
import wandb
# 3つの疾患による医療診断分類問題をシミュレートします
n_samples = 200
n_classes = 3
# True labels: 各サンプルに "Diabetes", "Hypertension", または "Heart Disease" を
# 割り当てます
disease_labels = ["Diabetes", "Hypertension", "Heart Disease"]
# 0: Diabetes, 1: Hypertension, 2: Heart Disease
y_true = np.random.choice([0, 1, 2], size=n_samples)
# 予測確率: 各サンプルの予測が合計1になるようにシミュレートします
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)
# プロットするクラスを指定します (3つの疾患すべてをプロット)
classes_to_plot = [0, 1, 2]
# W&B run を初期化し、疾患分類用の ROC curve プロットをログします
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})
```