DCA决策曲线的解读和代码实现

Python014

DCA决策曲线的解读和代码实现,第1张

决策曲线分析法(Decision Curve Analysis,DCA)是个与ROC曲线相提并论的相对比较新的模型评价方法。

关于它的原理,长篇大论的医学统计学知识解读实在不是我的强项,放上两个链接偷偷懒:

如果想看文章,这篇里的fig7就是: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8051731/ 。

简单说这个图片怎么看,曲线接近两条参考线的模型,说明没有应用价值,在很大一个阈值区间内高于参考线的,说明模型好一些。

下面是DCA曲线的绘制方法

只能用于logistic回归,图片风格略古老

去年8月份的包,支持logistic回归和cox回归,简洁易用,图片基于ggplot2,可以非常方便的修改。

o的k!多说一句,ggDCA这个包的作者是一棵树,作者亲手写的教程是在: https://mp.weixin.qq.com/s/dcN1BvmuSO7osWFPPq3pYg 供大家参考。

R语言中自带的排序函数

在R中,跟排序有关的函数主要有三个:sort(),rank(),order()。其中sort(x)是对向量x进行排序,rank()是求秩的函数,它的返回值是这个向量中对应元素的“排名”,order()的返回值是对应“排名”的元素所在向量中的位置。