> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-sdk-testing-latest.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> データセットを改善しながら、モデルの予測を理解する
# Tables の概要
export const TryProductLink = ({url}) =>
W&Bで試す
;
export const ColabLink = ({url}) =>
Colabで試す
;
W\&B Tables を使用すると、表形式データを可視化してクエリできます。たとえば、次のことが可能です。
* 同じテストセットに対する異なるモデルの性能を比較する
* データ内のパターンを特定する
* モデルの予測サンプルを視覚的に確認する
* クエリして、頻繁に誤分類される例を見つける
上の画像は、セマンティックセグメンテーションとカスタムメトリクスを含む表を示しています。この表は、[W\&B ML Course のサンプルプロジェクト](https://wandb.ai/av-team/mlops-course-001)で確認できます。
## 仕組み
表 は、各列が単一のデータタイプを持つ二次元のデータグリッドです。表 では、プリミティブ型や数値型に加えて、ネストされたリスト、辞書、リッチメディアタイプもサポートしています。
## 表をログする
数行のコードで表をログできます。
* [`wandb.init()`](/ja/models/ref/python/functions/init): 結果をトラッキングするための [run](/ja/models/runs/) を作成します。
* [`wandb.Table()`](/ja/models/ref/python/data-types/table): 新しい表オブジェクトを作成します。
* `columns`: 列名を設定します。
* `data`: 表の内容を設定します。
* [`run.log()`](/ja/models/ref/python/experiments/run.md/#method-runlog): 表をログして W\&B に保存します。
```python theme={null}
import wandb
with wandb.init(project="table-test") as run:
my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
run.log({"Table Name": my_table})
```
## はじめ方
* [クイックスタート](/ja/models/tables/tables-walkthrough/): データテーブルをログし、データを可視化し、データをクエリする方法を学びます。
* [Tables Gallery](/ja/models/tables/tables-gallery/): Tables の使用例を確認してください。