> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Eval Tables 보기
Eval Table을 만들 때는 어떤 열에 입력, 출력, 점수가 포함되는지 지정하세요. W\&B는 해당 열을 Eval Table의 각 대응 섹션으로 그룹화합니다.
다음 예시는 EvalTable 객체의 기본 구조를 보여줍니다.
```python theme={null}
import wandb
wandb.EvalTable(
input_columns=["column1", "column2"],
output_columns=["output_column1", "output_column2"],
score_columns=["score_column1", "score_column2"],
)
```
다음 각 인수에 하나 이상의 열 이름을 전달하세요:
* `input_columns`: 이미지, 프롬프트, 정답 레이블처럼 모델에 제공되는 데이터입니다.
* `output_columns`: 예측이나 생성된 응답처럼 모델이 생성한 값입니다.
* `score_columns`: 출력을 평가하는 데 사용되는 메트릭 또는 기타 값입니다.
W\&B는 이러한 열을 Eval Table의 Inputs, Outputs, Scores 섹션에 표시합니다.
이 페이지의 예시는 [Create an Eval Table](/ko/models/evaltables/create-an-evaluation-table)의 코드를 사용합니다. 전체 예제를 보거나 복사하려면 **View code**를 펼치세요.
```python theme={null}
import pandas as pd
import wandb
df = pd.DataFrame(
[
{
"image_id": "img_001",
"true_label": "cat",
"predicted_label": "cat",
"confidence": 0.97,
"correct": True,
},
{
"image_id": "img_002",
"true_label": "dog",
"predicted_label": "cat",
"confidence": 0.72,
"correct": False,
},
{
"image_id": "img_003",
"true_label": "car",
"predicted_label": "car",
"confidence": 0.89,
"correct": True,
},
]
)
df["correct"] = df["correct"].astype(object) # 기본 Python bool 값을 유지합니다
with wandb.init(project="classifier-eval-table-demo") as run:
eval_table = wandb.EvalTable(
dataframe=df,
input_columns=["image_id", "true_label"],
output_columns=["predicted_label"],
score_columns=["correct", "confidence"],
)
run.log({"validation_predictions_eval": eval_table})
```
예를 들어, [Create an Eval Table](/ko/models/evaltables/create-an-evaluation-table)의 코드 예시를 살펴보겠습니다:
```python theme={null}
import wandb
with wandb.init(project="classifier-eval-table-demo") as run:
eval_table = wandb.EvalTable(
dataframe=df,
input_columns=["image_id", "true_label"],
output_columns=["predicted_label"],
score_columns=["correct", "confidence"],
)
run.log({"validation_predictions_eval": eval_table})
```
이 예시에서는 다음과 같습니다.
* **Inputs** 섹션에는 `image_id` 및 `true_label` 열이 있습니다.
* **Outputs** 섹션에는 `predicted_label` 열이 있습니다.
* **Scores** 섹션에는 `correct` 및 `confidence` 열이 있습니다.
다음 이미지는 이러한 섹션을 보여줍니다.
## 상세 뷰
행을 선택하면 해당 예시의 상세 뷰가 열립니다. 상세 뷰에는 예시의 입력, 출력, 점수가 표시됩니다.
다음 이미지는 Eval Table의 첫 번째 행에 대한 상세 뷰를 보여줍니다.
테이블에 열이 많거나 여러 Runs의 결과를 비교할 때는 상세 뷰를 사용해 예시를 확인하세요.
현재 테이블 뷰에서 예시 간에 이동하려면 **Inputs** 섹션 위에 있는 위쪽 또는 아래쪽 화살표를 선택하세요.
## 데이터 필터링
필터를 사용해 특정 조건에 일치하는 행만 표시할 수 있습니다.
필터를 추가하려면 다음과 같이 하세요.
1. 테이블 위의 **Filter** 버튼을 선택하세요.
2. 드롭다운에서 필터링할 열을 선택하세요.
3. 연산자를 선택하세요.
4. 값을 지정하세요.
W\&B는 필터를 테이블에 자동으로 적용하고, 조건에 일치하는 행만 표시합니다.
여러 필터를 적용할 수 있습니다. 필터를 제거하려면 해당 필터 옆의 `X`를 선택하세요.
## 열 표시 또는 숨기기
**Columns** 메뉴를 사용해 Eval Table에 표시할 열을 제어하세요. 사용 가능한 열은 테이블에 로깅된 데이터에 따라 달라집니다.
열을 표시하거나 숨기려면 다음 단계를 따르세요.
1. 테이블 위의 **Columns**를 선택합니다.
2. 표시할 열은 선택하고, 숨길 열은 선택 해제합니다.
다음 이미지는 사용 가능한 모든 열이 선택된 **Columns** 메뉴를 보여줍니다.
