画logistic_Logistic回归(二)模型的验证

上一期我们使用了nomogram进行了logistic回归的可视化，但是俗话说"All models are wrong,but some are useful."所以建立完模型并没有结束，还需要对模型进行验证，验证模型是否真的适合用来解决问题。

• Internal validation
• External validation
• Discussion

Internal validation

Discrimination

Discrimination,区分度，是指模型的预测结果能否找到一个断点将结果分类，且分类结果与实际情况相符的能力。通常使用C-index(Concordance index)来衡量模型的区分度,取值范围为0.5-1.0，值越高表明预测分类结果与实际情况越相符。
对于logistic回归而言，C-index等同于ROC曲线下面积，即AUC(Area Under the Curve)。
进行验证：
对于C-index，使用rms包中的lrm函数拟合模型后可直接得到C-index

> library(rms)
> train <- read.csv("train.csv")
> survival <- train$Survived
> pclass <- train$Pclass
&