R语言使用ega包的plotClarkeGrid函数可视化clarke error grid误差分析图、克拉克误差网格分析:可视化误差网络图及相关拟合曲线
R语言使用ega包的plotClarkeGrid函数可视化clarke error grid误差分析图、克拉克误差网格分析:可视化误差网络图及相关拟合曲线
包的安装和导入
install.packages('ega')library(ega)library(ggplot2)
可视化clarke error grid误差分析图
此处的例子使用了血糖数据。
clarke error grid误差分析图是用来评价血糖预测准确度的一个分析方法,就像下面的图片一样。
很多血糖监测仪都会说我们家的仪器在A级的概率是多少多少,说的就是下图中的A区域,也就是预测的很好的区域。
其实绘制这样的图也是很简单的,y轴代表的是预测的血糖值,x轴是参考值,一般认为就是准确值。
克拉克误差网格方法用于评估被测血糖测量技术与静脉血糖参考测量之间差异的临床意义。
该方法使用笛卡尔图,其中被测技术预测的值显示在 y 轴上,而从参考方法接收的值显示在 x 轴上。
对角线代表两者之间的完美一致性,而线下方和上方的点分别表示对实际值的高估和低估。 A 区(可接受)代表与参考值相差 ±20% 或处于低血糖范围 (<70 mg/dl) 的葡萄糖值,当参考值也在低血糖范围内时。 该范围内的值在临床上是准确的,因此以正确的临床治疗为特征。 B区(良性错误)位于A区上方和下方; 这个区域代表那些偏离参考值的值,增加了 20。落入区域 A 和 B 的值在临床上是可接受的,而区域 CE 中的值是潜在的危险,并且有可能使临床上重大错误。 [1-4] 句法: [总计,百分比] = clarke(y,yp) 输入: y = 参考值 (mg/dl) yp = 预测/估计值 (mg/dl) 输出
# default
plotClarkeGrid(glucose_data$ref, glucose_data$test)# with options
plotClarkeGrid(glucose_data$ref, glucose_data$test,pointsize=1.5,pointalpha=0.6,linetype="dashed")
# store return value and modify
ceg <- plotClarkeGrid(glucose_data$ref, glucose_data$test)ceg
ceg2 <- ceg + theme_gray() +theme(plot.title = element_text(size = rel(2), colour = "blue"))ceg2
安利一个R语言的优秀博主及其CSDN专栏:
博主博客地址:
博主R语言专栏地址(R语言从入门到机器学习、持续输出已经超过1000篇文章)
参考:R
参考:克拉克误差网格分析程序(Performs Clarke Error Grid Analysis)
参考:plotClarkeGrid function - RDocumentation
R语言使用ega包的plotClarkeGrid函数可视化clarke error grid误差分析图、克拉克误差网格分析:可视化误差网络图及相关拟合曲线相关推荐
- R语言使用caret包对GBM模型自定义参数调优:自定义优化参数网格、可视化核心参数与评估指标关系、Accuracy与树的深度、个数的关系、Kappa与树的深度、个数的关系
R语言使用caret包对GBM模型自定义参数调优:自定义优化参数网格.可视化核心参数与评估指标关系.Accuracy与树的深度.个数的关系.Kappa与树的深度.个数的关系 目录 R语言使用caret ...
- R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的离散变量进行分析、使用偏依赖图(Partial Dependence Plots)解释某个离散特征和目标y的关系
R语言使用DALEX包的model_profile函数对caret包生成的多个算法模型的离散变量进行分析.使用偏依赖图(Partial Dependence Plots)解释某个离散特征和目标值y的关 ...
- R语言使用psych包的fa函数对指定数据集进行因子分析(输入数据为相关性矩阵)、使用rotate参数指定进行斜交旋转提取因子、使用fa.diagram函数可视化斜交旋转因子分析、并解读可视化图形
R语言使用psych包的fa函数对指定数据集进行因子分析(输入数据为相关性矩阵).使用rotate参数指定进行斜交旋转提取因子.使用fa.diagram函数可视化斜交旋转因子分析.并解读可视化图形 目 ...
- R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行SpatialSign变换(将数据投影到单位圆之内)、设置method参数为spatialSign
R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行SpatialSign变换(将数据投影到单位圆之内).设置method参数为spatialSign 目录
- R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并使用箱图进行残差分布的可视化
R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并使用箱图进行残差分布的可视化 目录
- R语言使用psych包的fa函数对指定数据集进行因子分析(输入数据为相关性矩阵)、使用rotate参数指定进行斜交旋转提取因子、使用nfactors参数指定抽取的因子个数、fa函数因子分析结果解读
R语言使用psych包的fa函数对指定数据集进行因子分析(输入数据为相关性矩阵).使用rotate参数指定进行斜交旋转提取因子.使用nfactors参数指定抽取的因子个数.fa函数因子分析结果解读( ...
- R语言使用ggpubr包的ggarrange函数组合多张结论图(水平并排组合)
R语言使用ggpubr包的ggarrange函数组合多张结论图(水平并排组合) 目录 R语言使用ggpubr包的ggarrange函数组合结论多张结论图(水平并排组合)
- R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图(配置数据点抖动显示jitter)实战
R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图(配置数据点抖动显示jitter)实战 目录 R语言使用ggplot2包使用geom_boxplot函数绘制基础分组箱图(配置 ...
- R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图
R语言使用DALEX包的model_performance函数对caret包生成的多个算法模型进行残差分布分析并可视化每个模型的残差反向累积分布图 目录
最新文章
- OpenGL中的reshape函数(整理)
- 检测子进程的结束返回状态,status的取值可以是哪些?(简析)
- 使用 ThreadLocal 一次解决老大难问题
- EOS 智能合约源代码解读 (9)boot合约
- 小强升职记梗概_解读《小强升职记》——一本关于时间管理的书
- 连续 4 年成为“开发者最喜欢的语言”,这门编程语言你了解过吗?
- ubuntu tree 显示中文的方法
- coturn穿透服务器安装方法
- 隐藏右侧“快速启动栏”中的回收站图标及查看所有网站内容
- linux闹钟命令,Linux基础命令一
- 快捷支付与网银支付的对比
- Win7下PDF文件无法显示缩略图的解决方法
- 后端都需要学习什么?
- 润生香港轻零食之品牌零食合作 I 专业·共赢·美味
- Hark的数据结构与算法练习之圈排序
- 最长公共子序列(LCS)的C++实现
- %m.ne用法与讲解
- 我来一下对比阿里云服务器和腾讯云服务器的优劣和区别
- 网络安全学习2个月,感觉什么都不会?
- 边沿检测与提取,轮廓跟踪与Hough变换(转)