roc_curve()

fonction wandb.plot.roc_curve()

Construit 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 véritables étiquettes de classe (vérité de terrain) pour la variable cible. La forme doit être (num_samples,).

Sequence[Sequence[float]] | None

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

list[str] | None

Des libellés lisibles par l’humain correspondant aux indices de classe dans y_true. Par exemple, si labels=['dog', 'cat'], la classe 0 s’affichera comme ‘dog’ et la classe 1 comme ‘cat’ dans le graphique. Si None, les indices de classe bruts de y_true seront utilisés. La valeur par défaut est None.

list[numbers.Number] | None

Un sous-ensemble d’étiquettes de classe uniques à inclure dans la courbe ROC. Si None, toutes les classes de y_true seront tracées. La valeur par défaut est None.

str

Le titre du graphique de courbe ROC. La valeur par défaut est “ROC Curve”.

bool

Indique si le tableau doit être placé dans une section distincte de l’UI W&B. Si True, le tableau sera affiché dans une section nommée “Custom Chart Tables”. La valeur par défaut est False.

Retourne

CustomChart : Un objet de graphique personnalisé pouvant être enregistré dans W&B. Pour enregistrer le graphique, passez-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 de diagnostic médical avec 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 en s'assurant que leur somme vaut 1
# pour chaque échantillon
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)

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

# Initialiser un W&B run et enregistrer 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})

W&B Models

W&B Weave

Serverless Inference

Serverless Training

fonction wandb.plot.roc_curve()

Arguments

Retourne

Exceptions levées

Exemples

​fonction wandb.plot.roc_curve()

​Arguments

​Retourne

​Exceptions levées

​Exemples

fonction wandb.plot.roc_curve()

Arguments

Retourne

Exceptions levées

Exemples