> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# roc_curve()
export const GitHubLink = ({url}) =>
GitHub source
;
### function `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
```
受信者操作特性（ROC）曲線チャートを作成します。
**Args:**
* `y_true`: ターゲット変数の真のクラスラベル（正解）。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決定スコア。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、人間が読みやすいラベル。例えば、`labels=['dog', 'cat']` の場合、プロット内ではクラス 0 が 'dog'、クラス 1 が 'cat' として表示されます。None の場合、`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 曲線に含めるユニークなクラスラベルの サブセット。None の場合、`y_true` に含まれる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。デフォルトは "ROC Curve" です。
* `split_table`: W\&B UI 上でテーブルを別のセクションに分割するかどうか。`True` の場合、テーブルは "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。
**Returns:**
* `CustomChart`: W\&B に ログ 可能なカスタムチャートオブジェクト。チャートを ログ するには、`wandb.log()` に渡します。
**Raises:**
* `wandb.Error`: numpy、pandas、または scikit-learn が見つからない場合。
**Example:**
```python theme={null}
import numpy as np
import wandb
# 3つの疾患を持つ医学的診断分類問題をシミュレート
n_samples = 200
n_classes = 3
# 真のラベル: 各サンプルに "Diabetes"（糖尿病）、"Hypertension"（高血圧）、
# または "Heart Disease"（心臓病）を割り当て
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: 予測をシミュレートし、各サンプルの合計が1になるようにする
y_probas = np.random.dirichlet(np.ones(n_classes), size=n_samples)
# プロットするクラスを指定（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})
```