V
主页
R语言中生存分析模型与时间依赖性ROC曲线可视化
发布人
全文链接:http://tecdat.cn/?p=20650 原文出处:拓端数据部落公众号 人们通常使用接收者操作特征曲线(ROC)进行二元结果逻辑回归。但是,流行病学研究中感兴趣的结果通常是事件发生时间。使用随时间变化的时间依赖性ROC可以更全面地描述这种情况下的预测模型。 时间依赖性ROC定义 令 Mi为用于死亡率预测的基线(时间0)标量标记。 当随时间推移观察到结果时,其预测性能取决于评估时间 t。直观地说,在零时间测量的标记值应该变得不那么相关。因此,ROC测得的预测性能(区分)是时间t的函数 。 累积病例 累积病例/动态ROC定义了在时间t 处的阈值c处的 灵敏度和特异性, 如下所示。 累积灵敏度将在时间t之前死亡的视为分母(疾病),而将标记值高于 c
打开封面
下载高清视频
观看高清视频
视频下载器
分类模型评估精确率、召回率、ROC曲线、AUC与R语言生存分析时间依赖性ROC实现
时间序列分析模型 ARIMA-ARCH GARCH模型分析股票价格数据
R语言中的LDA模型:对文本数据进行主题模型topic modeling分析
R语言广义相加(加性)模型(GAMs)与光滑函数可视化
R语言生存分析 时变竞争风险模型分析淋巴瘤患者
基于R语言混合效应模型(mixed model)案例研究
R语言广义相加模型 (GAMs)分析预测CO2时间序列数据
关联规则模型、Apriori算法及R语言挖掘杂货店交易数据与交互可视化
文本挖掘:主题模型(LDA)及R语言实现分析游记数据
R语言分位数回归Quantile Regression分析租房价格
R语言用igraph绘制网络图可视化
R语言信用风险回归模型中交互作用的分析及可视化
R语言基于copula的贝叶斯分层混合模型的诊断准确性研究
马尔可夫链蒙特卡罗方法MCMC原理与R语言实现
R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析
R语言建立和可视化混合效应模型mixed effect model
R语言中的多项式回归、B样条曲线(B-spline Curves)回归
R语言在BRFSS数据中可视化分析探索糖尿病的影响因素
R语言DTW 动态时间规整算法分析序列数据和可视化
R语言广义加性模型GAMs分析温度、臭氧环境数据绘制偏回归图与偏残差图
R语言连续时间马尔可夫链模拟案例 Markov Chains
R语言用ARIMA模型,ARIMAX模型预测冰淇淋消费时间序列数据
R语言逻辑回归、回归决策树、随机森林信用卡违约分析信贷数据集
R语言基础操作
R语言股票市场指数:ARMA-GARCH模型和对数收益率数据探索性分析
R语言Markowitz马克维茨投资组合理论分析和可视化
R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量
R语言优化交易系统:用平行坐标图可视化系统参数优化结果
R语言使用ARIMA模型预测股票收益时间序列
R语言有限混合模型(FMM,finite mixture model)及其EM算法聚类分析间歇泉喷发时间
GO和KEGG富集分析后,如何判断通路整体是上调还是下调?
多元线性回归模型原理讲解与R语言实例
R语言贝叶斯线性回归和多元线性回归构建工资预测模型
R语言用LOESS(局部加权回归)季节趋势分解(STL)进行时间序列异常检测
马尔可夫链原理可视化解释与R语言区制转换Markov regime switching实例
R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
逻辑回归Logistic模型原理和R语言分类预测冠心病风险实例
绘事微颜——Chinavis2024赛道3「数智香江,可视共创」艺术可视化竞赛作品
R语言用局部加权回归(Lowess)对logistic逻辑回归诊断和残差分析
R语言估计时变VAR模型时间序列的实证研究分析案例