模型建立和可视化

这一章介绍的其实主要是列线图的绘制，这一步通常是在你选择好最后的模型之后进行的。当你经过各种步骤之后已经选好了最终的模型，那你可以把这个模型使用图形化的方式展示出来，也就是使用列线图的形式。

除此之外，还会介绍一些常见的数据划分方法和数据预处理方法。数据划分非常重要，就是大家常见的交叉验证、bootstrap、内部验证、外部验证等。

列线图（Alignment Diagram），又称诺莫图（Nomogram图），用来把多因素回归分析结果用图形方式表现出来，将多个预测指标进行整合，然后采用带有刻度的线段，按照一定的比例绘制在同一平面上，从而用以表达预测模型中各个变量之间的相互关系。

列线图并不是一种模型评价方法，它只是一种把模型进行图形化展示的方法。

根据模型中各个影响因素对结局变量的贡献程度（回归系数的大小），给每个影响因素的每个取值水平进行赋分，然后再将各个评分相加得到总评分，最后通过总评分与结局事件发生概率之间的函数转换关系，从而计算出该个体结局事件的预测值。

简单地说，就是把你的模型用图形化的方式展示出来。实际使用时不需要在训练集、验证集各来一遍，也不需要进行各种重抽样，这种做法没有任何意义。

目前能够绘制列线图的R包只有以下几个（如果还有欢迎大家补充）：

我会在后面的章节中详细介绍以下模型的列线图绘制（其他模型是无法绘制列线图的）：

并且还会简单介绍下列线图的原理（也就是计算）、根据列线图计算得分、彩色条带的列线图等。

目前对于机器学习方法，比如决策树、随机森林、支持向量机、KNN、神经网络等，都是不能绘制列线图的（理论可行，实际不可行）。