Question

我正在使用多项功能来预测孕妇自发分娩（结果= 0），经历胎儿窘迫（结果= 1）或经历非进行性分娩（结果= 2）的机会基于许多预测变量（连续的和绝对的）。

最终模型看起来像这样

model <- multinom(Outcome ~  Gestational_age + Previous_CS + Fetal_Gender + diabetes + Birth_weight, data=sm)

孕龄和出生体重是连续变量，但其他如前剖腹产，胎儿性别和糖尿病是分类变量。如何使用参考水平考虑到这一点？

另外，我想创建两个单独的校准图来评估最终模型在预测结果1和2的风险方面有多好，但我不确定预测函数的工作原理。我有这样的事情但对我来说并没有多大意义。

p.fit <- predict(model, sm$Outcome, type='probs')
probabilities<-data.frame(sm$Outcome1,p.fit)
plsmo(p.fit, sm$Outcome1, datadensity=T, xlab="predicted probability" ylab="observed proportion")
abline(0,1, col="red")

最后我需要绘制ROCR

Answer 1

没有你的数据集，我会尝试一下：

library('ROCR')
pred  <-  ROCR::prediction(predict(model),factor(sm$outcome))
plot(ROCR::performance(pred, measure="tpr" , x.measure="fpr"),
    xlab='False Positive Rate',
    ylab='True Positive Rate')
# in case you want the Area under the ROC curve (AUC)
(AUC <- (attributes(ROCR::performance(pred, measure="auc"))$y.value[[1]][[1]][1]))

在R中创建多项Logistic回归的校准图和ROCR

1 个答案: