既可以直接用預測值和實際值來計算模型的各個參數(shù)，還可以直接把模型放進去直接計算，可以用來計算的模型包括以下： 'glm'， 'randomForest'， 'glmerMod'， 'gbm'， 'rpart'。

library(ModelMetrics)

data(testDF)
str(testDF)

測試數(shù)據(jù)集

可以看到，Y為結(jié)局比那里，為二分類，而x1及x2為數(shù)值型變量

glmModel <- glm(y ~ ., data = testDF, family="binomial")#構(gòu)建logistic回歸
Preds <- predict(glmModel, type = 'response')#利用predict函數(shù)構(gòu)建預測概率向量
head(Preds)

預測概率

auc(testDF$y, Preds)#利用實際值及預測概率計算AUC值
#0.9872666
auc(glmModel)#直接利用回歸方程計算AUC值
#0.9872666
brier(testDF$y, Preds)#利用實際值及預測概率計算brier值
#0.04788846
brier(glmModel)#直接利用回歸方程計算AUC值
#0.04788846

kappa(testDF$y, Preds, cutoff = 0.5)#計算kappa值
#0.8506826
confusionMatrix(testDF$y, Preds, cutoff = 0.5)

混合矩陣