既可以直接用预测值和实际值来计算模型的各个参数，还可以直接把模型放进去直接计算，可以用来计算的模型包括以下： 'glm'， 'randomForest'， 'glmerMod'， 'gbm'， 'rpart'。

library(ModelMetrics)

data(testDF)
str(testDF)

测试数据集

可以看到，Y为结局比那里，为二分类，而x1及x2为数值型变量

glmModel <- glm(y ~ ., data = testDF, family="binomial")#构建logistic回归
Preds <- predict(glmModel, type = 'response')#利用predict函数构建预测概率向量
head(Preds)

预测概率

auc(testDF$y, Preds)#利用实际值及预测概率计算AUC值
#0.9872666
auc(glmModel)#直接利用回归方程计算AUC值
#0.9872666
brier(testDF$y, Preds)#利用实际值及预测概率计算brier值
#0.04788846
brier(glmModel)#直接利用回归方程计算AUC值
#0.04788846

kappa(testDF$y, Preds, cutoff = 0.5)#计算kappa值
#0.8506826
confusionMatrix(testDF$y, Preds, cutoff = 0.5)

混合矩阵