建设一个电子商务网站,广州网站制作教程,苏州网站建设点一点,做轻淘客网站要多大的空间两个模型比较#xff0c;与第一个模型相比#xff0c;NRI#xff08;重新分对的 - 重新分错的#xff09;/总人数。IDI#xff08;新模型患者平均预测概率-旧模型患者平均预测概率#xff09;-#xff08;新模型非患者平均预测概率-旧模型非患者平均预测概率#xff09…两个模型比较与第一个模型相比NRI重新分对的 - 重新分错的/总人数。IDI新模型患者平均预测概率-旧模型患者平均预测概率-新模型非患者平均预测概率-旧模型非患者平均预测概率。NRI0无改善0新模型优于旧模型。IDI正值且越大越好。
1、非生存资料广义线性模型
library(PredictABEL)
#数据集
data1-data.frame(arnorm(n1000,mean6,sd5),brnorm(1000,30,9),crnorm(1000,17,8),cOutcomesample(c(0,1),1000,replaceT))
#建模
model_1-glm(cOutcome~.,data1,familybinomial)
model_2-glm(cOutcome~ac,data1,familybinomial)
#计算NRI和IDI
pre1-predRisk(model_1)
pre2-predRisk(model_2)#model_2$fitted.values
reclassification(data data1, cOutcome 4, predrisk1 pre1, predrisk2 pre2, cutoff c(0,0.6,1)) NRI0第二个模型较第一个模型差降低了0.23%IDI但是均为统计学意义。
2、生存资料
#生存资料CoIDI_NRI回归
library(survival)
data(cancer)
colnames(lung)
lung-na.omit(lung)
coIDI_NRI1- coIDI_NRIph(Surv(time, status) ~ageph.ecog,datalung,IDI_NRIT)
coIDI_NRI2 - coIDI_NRIph(Surv(time, status) ~.,datalung,IDI_NRIT)
#install.packages(nricens)
#1 利用nricens包
library(nricens)
nricens(mdl.std coIDI_NRI1, mdl.new coIDI_NRI2, t0 100,cut c(0.2, 0.4),niter 10)
#2 利用survIDINRI包
#install.packages(survIDINRI)
library(survIDINRI)
help(packagesurvIDINRI)
data_2 - lung[,c(time,status)]
covs0 - lung[,c(age,sex)]
covs1 - lung[,c(age,sex,ph.ecog,ph.karno)]
IDI_NRI-IDI.INF(data_2,covs0 as.matrix(covs0),covs1as.matrix(covs1), t0500, npert10)
IDI.INF.OUT(IDI_NRI)
