来源
- 包：
stats- 函数：
prop.test - 官方文档：https://www.rdocumentation.org/packages/stats/versions/3.6.2/topics/prop.test
- 函数：
- 包：
epiR- 函数：
epi.tests - 官方文档：https://www.rdocumentation.org/packages/epiR/versions/1.0-10/topics/epi.tests
- 函数：
目的
- 判断两个模型的敏感度、特异度、准确率是否有显著差异
代码
统计学检验 # TP1：模型一的真正例数量 # TN1：模型一的真反例数量 # FP1：模型一的假正例数量 # FN1：模型一的假反例数量 # TP2：模型二的真正例数量 # TN2：模型二的真反例数量 # FP2：模型二的假正例数量 # FN2：模型二的假反例数量 x <- c(TN1,TN2); n <- c(TN1+FP1, TN2+FP2) # 特异度 prop.test(x,n, correct = T)$p.value x <- c(TP1,TP2); n <- c(TP1+FN1, TP2+FN2) # 敏感度 prop.test(x,n, correct = T)$p.value x <- c(TP1+TN1,TP2+TN2); n <- c(TP1+TN1+FP1+FN1, TP2+TN2+FP2+FN2) # 准确率 prop.test(x,n, correct = T)$p.value 置信区间求解 dat <- as.table(matrix(c(TP1, FN1, FP1, TN1), nrow = 2, byrow = TRUE)) epi.tests(dat) 参考资料：
- https://journals.plos.org/plosmedicine/article/file?type=supplementary&id=info:doi/10.1371/journal.pmed..s001
- https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.
- http://vassarstats.net/clin1.html?tdsourcetag=s_pctim_aiomsg
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/232698.html原文链接：https://javaforall.net
