R或python包计算两个不同截止值的净重新分类改进（NRI）

有不同的R包可用于计算分类NRI，以比较两个分类模型（什么是NRI？检查）。然而，据我所知，几乎所有可用的NRI计算函数只要求一个截止值，这两个模型都使用该值来设定其预测分数的阈值（这里提到了一些包：）

是否有R或python函数根据每个模型的两个不同截止值计算净重新分类改进（NRI）

此处提供了使用PredictABEL R库的NRI计算示例：

---

欢迎提出任何意见/建议

模型的公平比较难道不要求你选择特定的累积案例百分比，比如40%的最佳案例和60%的最差案例，然后比较两个模型的性能，以固定的百分比（即使用单一截止值）对好案例和坏案例进行排名吗？@Heikki:仍然，根据你的评论，我试图理解我是否需要使用一个或两个截止线。在我的例子中，我有两个不同的模型（也有不同的特性），它们是在同一组二进制结果值上训练的。此外，根据分层的最大尤登指数，它们有自己的最佳截止值。如果我必须使用一个截止点来找到NRI，我不知道选择哪一个。标准方法是绘制ROC曲线，并比较哪个模型在ROC曲线的某个截止点工作得更好。某个切点可能是不良、良好或总人口的x%。Younden指数以固定的假阳性率测量ROC曲线中的点距离，但类似的距离可以用固定的真阳性率或病例的总累积百分比来计算。模型的公平比较难道不要求您选择特定的病例累积百分比，比如40%最佳与60%最差，然后比较两种模型的性能，以固定的百分比对好的和坏的案例进行排序，即使用一个截止线？@Heikki：不过，我还是想根据你的评论了解我是否需要使用一个或两个截止线。在我的例子中，我有两个不同的模型（也有不同的特性），它们是在同一组二进制结果值上训练的。此外，根据分层的最大尤登指数，它们有自己的最佳截止值。如果我必须使用一个截止点来找到NRI，我不知道选择哪一个。标准方法是绘制ROC曲线，并比较哪个模型在ROC曲线的某个截止点工作得更好。某个切点可能是不良、良好或总人口的x%。Younden指数以固定的假阳性率测量ROC曲线中各点的距离，但类似的距离可以用固定的真阳性率或病例的总累积百分比来计算。