> ## 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.
# roc_curve()
export const GitHubLink = ({url}) =>
GitHub 소스 코드
;
### 함수 `roc_curve`
```python theme={null}
roc_curve(
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
) → CustomChart
```
Receiver Operating Characteristic (ROC) 곡선 chart를 생성합니다.
**매개변수:**
* `y_true`: 대상 변수의 실제 클래스 레이블(ground truth)입니다. shape는 (num\_samples,)이어야 합니다.
* `y_probas`: 각 클래스의 예측 확률 또는 결정 점수입니다. shape는 (num\_samples, num\_classes)여야 합니다.
* `labels`: `y_true`의 클래스 인덱스에 대응하는 사람이 읽기 쉬운 레이블입니다. 예를 들어 `labels=['dog', 'cat']`이면 plot에서 클래스 0은 'dog', 클래스 1은 'cat'으로 표시됩니다. None이면 `y_true`의 원래 클래스 인덱스를 사용합니다. 기본값은 None입니다.
* `classes_to_plot`: ROC 곡선에 포함할 고유 클래스 레이블의 하위 집합입니다. None이면 `y_true`의 모든 클래스가 plot됩니다. 기본값은 None입니다.
* `title`: ROC 곡선 plot의 제목입니다. 기본값은 "ROC Curve"입니다.
* `split_table`: 테이블을 W\&B UI의 별도 섹션으로 분리할지 여부입니다. `True`이면 테이블이 "Custom Chart Tables"라는 이름의 섹션에 표시됩니다. 기본값은 `False`입니다.
**반환값:**
* `CustomChart`: W\&B에 로깅할 수 있는 맞춤형 chart 객체입니다. chart를 로깅하려면 `wandb.log()`에 전달하세요.
**예외:**
* `wandb.Error`: numpy, pandas 또는 scikit-learn을 찾을 수 없는 경우입니다.
**예시:**
```python theme={null}
import numpy as np
import wandb
# 세 가지 질병에 대한 의료 진단 분류 문제 시뮬레이션
n_samples = 200
n_classes = 3
# 실제 레이블: 각 샘플에 "Diabetes", "Hypertension", 또는 "Heart Disease" 할당
disease_labels = ["Diabetes", "Hypertension", "Heart Disease"]
# 0: Diabetes, 1: Hypertension, 2: Heart Disease
y_true = np.random.choice([0, 1, 2], size=n_samples)
# 예측 확률: 각 샘플의 합이 1이 되도록 예측값 시뮬레이션
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)
# 플롯할 클래스 지정 (세 가지 질병 모두 플롯)
classes_to_plot = [0, 1, 2]
# W&B run을 초기화하고 질병 분류에 대한 ROC 커브 플롯 로깅
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})
```