python predictabel_手把手教你比较两个模型的预测能力

本文首发于 ”百味科研芝士“ 微信公众号，转载请注明：百味科研芝士，Focus科研人的百味需求

点击蓝字关注我们

各位科研芝士的朋友，大家好。最近学习到用NRI进行模型比较，起初当听到NRI这个词的时候，我的表情可能是这样的。

其实当时我还真不知道这个概念，不过奈何我们大家都爱学习，接着一顿操作猛如虎，来学习一个这个知识点，今天就把自己学习的一点，分享给大家，希望对大家能有帮助。

概念扫盲

NRI

全称为Net Reclassification Index，是这三个单词的英文首字母缩写，代表净重新分类指数。

作用

一般情况，在预测结局事件的时候，不同的人可能会建立不同的预测模型，当我们去评价两个模型的好坏或者预测能力的强弱的时候，你可能会说AUC呀，其实除了AUC，还有NRI也是用来比较两个模型预测能力的。

区分度、灵敏度和特异度

一个好的预测模型应该能针对某个结局，把风险高低区分开来，这是区分度(discrimination)。

区分度一般以我们熟悉的ROC曲线下面积(AUC)来评价，或称C统计量(C-statistics)。AUC越高，模型对高低风险人群的区分度越好。一个广泛接受的评判标准是，AUC在0.6以下为低区分度，0.6 – 0.75 是中区分度，0.75以上为高区分度。而在诊断试验中，通常根据检验指标的判断结果和金标准诊断结