> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-weave-otel-prioritization.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# roc_curve()
export const GitHubLink = ({url}) =>
GitHub のソース
;
## 関数 wandb.plot.roc\_curve
```python theme={null}
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
```
Receiver Operating Characteristic (ROC) 曲線チャートを作成します。
## 引数
* `y_true`: 対象変数の正解クラスラベルです。形状は (num\_samples,) である必要があります。
* `y_probas`: 各クラスの予測確率、または判定スコアです。形状は (num\_samples, num\_classes) である必要があります。
* `labels`: `y_true` のクラスインデックスに対応する、人間が読めるラベルです。たとえば、`labels=['dog', 'cat']` の場合、プロットではクラス 0 は 'dog'、クラス 1 は 'cat' と表示されます。None の場合は、`y_true` の生のクラスインデックスが使用されます。デフォルトは None です。
* `classes_to_plot`: ROC 曲線に含める一意なクラスラベルのサブセットです。None の場合は、`y_true` 内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。
* `title`: ROC 曲線プロットのタイトルです。デフォルトは "ROC Curve" です。
* `split_table`: 表を W\&B UI の別セクションに分けるかどうかを指定します。`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、これを `wandb.log()` に渡します。
## 例外
* `wandb.Error`: numpy、pandas、または scikit-learn が見つからない場合。
## 例
```python theme={null}
import numpy as np
import wandb
# 3つの疾患を対象とした医療診断分類問題をシミュレートする
n_samples = 200
n_classes = 3
# 真のラベル: 各サンプルに "Diabetes"、"Hypertension"、"Heart Disease" を割り当てる
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: 各サンプルの合計が1になるよう予測をシミュレートする
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)
# プロットするクラスを指定する（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、疾患分類の ROC 曲線プロットをログする
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})
```