7. 预测模型评价

背景：

ROC曲线分析，主要是评价模型的准确性，但无论如何选择，都会存在假阳性和/或假阴性的问题。

如果疾病危害较小，尚无法治愈，则可以适当增加假阴性，避免假阳性；若疾病的危害大且晚发现预后差，则可以适当增加假阳性，避免假阴性。

DCA曲线：

横坐标为阈概率（threshold probability），纵坐标为净获益（ net benefit，NB）。

DCA曲线中存在两种极端情况的曲线：

1.横的曲线表示所有样本都是阴性，所有人都没有干预，净获益率为0.

2. 斜的曲线表示所有样本都是阳性，所有人都接受了干预，净获益率为一条斜率为负值的斜线。

临床解读：

DCA曲线若和两条极端线很接近，则说明DCA曲线没有什么应用价值。

若在一个很大的横坐标范围内，DCA曲线的净获益率比极端曲线高，则说明DCA曲线其有一定的应用价值。

方法一：rmda包中的decision_curve函数

 载入数据集：