从0开始学习R语言--Day48--Calibration Curves 评估模型

在处理医疗数据集时，我们建立cox回归模型去分析危险因素的数据集往往都是直接用全部的，而不会留少许来帮助我们去验证模型的效果，因为很多时候这些数据都是经过多重筛选的，分割一小部分都有可能会错过很重要的数据（例如一些疾病的变体），但我们又不可能手动筛选好的数据作为测试集，这并不符合测试集的意义。

在这种情况下，我们会用Calibration Curves来评估模型的效果，原理是将预测概率分为若干个区间，计算每个区间内观察到的实际值的比例，当然在这之前可以先计算一下模型的C-index值，大于0.7了再做这个评估可以节省很多时间。

以下是一个例子：

# 加载必要的包
library(ggplot2)
library(caret)
library(dplyr)

# 1. 生成模拟数据集
set.seed(123)
n <- 1000
x1 <- rnorm(n)
x2 <- rnorm(n)
# 真实概率(非线性关系)
true_prob <- plogis(0.5 + 0.8*x1 - 0.6*x2 + 0.5*x1*x2)
# 生成二元响应变量
y <- rbinom(n, 1, true_prob)
data <- data.frame(x1, x2, y)

# 2. 分割数据集
train_index <- createDataPartition(y, p = 0.7, list = FALSE)
train_data <- data[train_index, ]
test_data <- data[-train_index, ]

# 3. 训练逻辑回归模型
model <- glm(y ~ x1 + x2 + x1:x2, data = train_data, family = binomial)

# 4. 在测试集上预测概率
test_data$pred_prob <- predict(model, newdata = test_data, type = "response")

# 5. 创建校准曲线
calibration_data <- data.frame(
  predicte