判断预测模型的准确度

如何判断预测模型的准确性 

判断预测模型的准确性主要通过以下几种指标：

1. 灵敏度和特异度：灵敏度又称真阳性率，表示在真实阳性中多大比例诊断为阳性。特异度又称真阴性率，表示在真实阴性中多大比例诊断为阴性。

2. AUC（Area Under Curve）：在ROC曲线中，横坐标是假阳性率（FPR），纵坐标是真阳性率（TPR），AUC即ROC曲线下的面积，其物理意义可以表示为：随机给定一正一负两个样本，能够“准确识别”出正样本的概率；AUC越大，说明预测模型能够比较准确地识别出患者。

3. C index（一致性指数）：用来评价模型的预测能力，是指所有病人对子中预测结果与实际结果一致的对子所占的比例。

4. 平均绝对误差（MAE）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）：这些指标的值越小，预测精度就越高。

5. 泛化能力（IA，一致性指数）：用一致性指数来反映泛化能力，其值越接近1说明拟合效果越好，预测性能越好。

6. U统计量（U1）：用来评价预测能力，其值越接近0，预测模型的预测能力越好。