Logistic回归预测模型2：R语言实现模型的内部和外部验证

前面我们讲了logistic回归预测模型的建立，今天介绍的是模型的验证，可以在训练集和验证集中通过ROC曲线、校准曲线和决策曲线分别进行验证。

1、原始数据

原始数据分为训练集和验证集，其中训练集用于模型的构建和内部验证，验证集用于外部验证。两个数据集都包含5列，且列名相同。组别Group为因变量，1代表阳性结局，0代表阴性结局。自变量1和4为连续性变量，自变量2和3为二分类变量。

2、安装所需要的R包

install.packages('rms')#用于构建和分析回归模型，特别是逻辑回归模型和列线图
install.packages('pROC')#用于生成和分析ROC曲线，评估模型的分类性能
install.packages('readr')#用于读取和处理CSV格式的数据
install.packages('riskRegression')#用于计算校准曲线、Brier分数等
install.packages('rmda')#用于决策曲线分析(DCA)，评估不同风险模型的临床效益
install.packages('glue')#用于简化字符串的拼接和格式化

3、加载所需要的R包

library(rms)
library(pROC)
library(readr)
library(riskRegression)
library(rmda)
library(glue)

4、导入训练和验证数据集

通过read_csv函数从CSV文件中读取训练集和验证集数据，分别存储在training_dataset和validation_dataset变量中。

training_dataset<-read_csv("C:/Users/Lenovo/Desktop/data/training.csv")
validation_dataset<-read_csv("C:/Users/Lenovo/Desktop/data/validation.csv")

5、用训练集建模并在训练集和验证集上绘制ROC曲线

5.1 在训练集上构建模型

使用lrm函数（来自rms包）在训练集上构建逻辑回归模型，其中Group为因变量，variable1和variable2是通过单因素和多因素分析筛选出来的自变量。x=TRUE和y=TRUE指定返回预测值和响应值，maxit=1000设置最大迭代次数为1000次。