| abs_d_ppv_npv | 计算正负预测值的绝对差值 | ||
| abs_d_sens_spec | 计算灵敏度和特异性的绝对差值 | ||
| accuracy | 计算精度 | ||
| acc_constrain | 受另一个度量约束的度量 | ||
| add_metric | 向cutpointr或filename_points_covered_by_landmarks对象添加度量 | ||
| auc | 从filename_points_covered_by_landmarks或cutpointr对象计算AUC | ||
| auc.cutpointr | 从filename_points_covered_by_landmarks或cutpointr对象计算AUC | ||
| auc.roc_cutpointr | 从filename_points_covered_by_landmarks或cutpointr对象计算AUC | ||
| boot_ci | 从cutpointr对象计算引导置信区间 | ||
| boot_test | 度量的等价性检验 | ||
| cohens_kappa | 计算科恩卡帕 | ||
| cutpoint | 从cutpointr生成的ROC曲线中提取割点 | ||
| cutpointr | 确定和评估最佳切割点 | ||
| cutpointr.default | 确定和评估最佳切割点 | ||
| cutpointr.numeric | 确定和评估最佳切割点 | ||
| cutpointr_ | cutpointr的标准评估版本（已弃用） | ||
| cutpoints | 从cutpointr生成的ROC曲线中提取割点 | ||
| cutpoint_knots | 计算样条曲线平滑中要使用的结数 | ||
| F1_score | 计算F1分数 | ||
| false_discovery_rate | 计算错误遗漏和错误发现率 | ||
| false_omission_rate | 计算错误遗漏和错误发现率 | ||
| fn | 提取真/假阳性/阴性数 | ||
| fnr | 计算真/假阳性/阴性率 | ||
| fp | 提取真/假阳性/阴性数 | ||
| fpr | 计算真/假阳性/阴性率 | ||
| Jaccard | 计算Jaccard索引 | ||
| maximize_boot_metric | 自举后二值分类中度量函数的优化 | ||
| maximize_gam_metric | 基于广义可加模型的二分类度量函数平滑优化 | ||
| maximize_loess_metric | 黄土光顺后二分类中度量函数的优化 | ||
| maximize_metric | 二值分类中度量函数的优化 | ||
| maximize_spline_metric | 样条平滑后二值分类中度量函数的优化 | ||
| metric_constrain | 受另一个度量约束的度量 | ||
| minimize_boot_metric | 自举后二值分类中度量函数的优化 | ||
| minimize_gam_metric | 基于广义可加模型的二分类度量函数平滑优化 | ||
| minimize_loess_metric | 黄土光顺后二分类中度量函数的优化 | ||
| minimize_metric | 二值分类中度量函数的优化 | ||
| minimize_spline_metric | 样条平滑后二值分类中度量函数的优化 | ||
| misclassification_cost | 计算错误分类成本 | ||
| multi_cutpointr | 计算多个预测值的最优切点和进一步统计 | ||
| nlr | 计算正或负似然比 | ||
| npv | 计算阴性预测值 | ||
| oc_manual | 设置手动切点以与切点r一起使用 | ||
| oc_mean | 使用样本平均值作为切点 | ||
| oc_median | 使用采样中值作为切点 | ||
| oc_youden_kernel | 基于核平滑密度确定最大化Youden指数的最优割点 | ||
| oc_youden_normal | 假设正态分布，确定Youden指数的最优割点 | ||
| odds_ratio | 计算优势比 | ||
| plot.cutpointr | 打印切入点对象 | ||
| plot.multi_cutpointr | 当前不支持打印filename_points_covered_by_landmarks对象 | ||
| plot.roc_cutpointr | 从切点r或filename_points_covered_by_landmarks对象绘制ROC曲线 | ||
| plot_cutpointr | cutpointr或filename_points_covered_by_landmarks对象的通用绘图功能 | ||
| plot_cut_boot | 从cutpointr对象绘制最优割点的自举分布 | ||
| plot_metric | 在cutpointr对象的所有可能的截断上绘制度量 | ||
| plot_metric_boot | 从cutpointr对象绘制引导度量分布 | ||
| plot_precision_recall | 从cutpointr对象精确调用绘图 | ||
| plot_roc | 从切点r或filename_points_covered_by_landmarks对象绘制ROC曲线 | ||
| plot_roc.cutpointr | 从切点r或filename_points_covered_by_landmarks对象绘制ROC曲线 | ||
| plot_roc.roc_cutpointr | 从切点r或filename_points_covered_by_landmarks对象绘制ROC曲线 | ||
| plot_sensitivity_specificity | 从切点对象绘制灵敏度和特异性图 | ||
| plot_x | 从cutpointr对象绘制每个类的自变量的分布 | ||
| plr | 计算正或负似然比 | ||
| ppv | 计算阳性预测值 | ||
| precision | 计算精度 | ||
| predict.cutpointr | 使用cutpointr对象进行预测 | ||
| print.cutpointr | 打印切点对象 | ||
| print.multi_cutpointr | 打印filename_points_covered_by_landmarks个对象 | ||
| prod_ppv_npv | 计算正负预测值的乘积 | ||
| prod_sens_spec | 计算敏感性和特异性的乘积 | ||
| prostate_nodal | 53例前列腺癌淋巴结转移与酸性磷酸酶水平的关系 | ||
| p_chisquared | 计算卡方检验的p值 | ||
| recall | 计算召回 | ||
| risk_ratio | 计算风险比率（相对风险） | ||
| roc | 计算ROC曲线 | ||
| roc01 | 计算ROC曲线上各点之间的距离和（0,1） | ||
| sensitivity | 计算灵敏度 | ||
| sens_constrain | 受另一个度量约束的度量 | ||
| specificity | 计算特异性 | ||
| spec_constrain | 受另一个度量约束的度量 | ||
| suicide | 532名受试者的自杀企图和DSI总分 | ||
| sum_ppv_npv | 计算正负预测值之和 | ||
| sum_sens_spec | 计算敏感性和特异性之和 | ||
| tn | 提取真/假阳性/阴性数 | ||
| tnr | 计算真/假阳性/阴性率 | ||
| total_utility | 计算总效用 | ||
| tp | 提取真/假阳性/阴性数 | ||
| tpr | 计算真/假阳性/阴性率 | ||
| user_span_cutpointr | 用经验法则计算度量函数平滑的带宽 | ||
| youden | 计算尤登指数 |