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 |