在医学研究中，通常可使用ROC曲线并且使用AUC指标值来直观对比两个模型的预测能力，除此之外，还可使用NRI和IDI指标来对比两个模型（新旧模型）的预测能力情况。NRI指标：Net Reclassification Improvement Index，净重分类改善指数，IDI指标：Integrated Discrimination Improvement，综合判别改善指数。为更好的理解这两个指标，下述会对具体阐述其计算公式。新旧模型的预测能力是否有得到提升，首先需要提供金标准，基于金标准后进行判断两个模型的预测类别是否有得到改善。首先定义两个变量，如下：

Na：阳性即金标准为1的个数；

Nb：阴性即金标准为0的个数。

基于新旧模型的gap值(gap值=新模型预测值减去旧模型预测值)，以及金标准切割出来的类别情况进行下述4个指标的计算，如下：

N_up_ev：金标准为阳性，确实gap值为阳性（gap>0）个数；

N_up_ne：金标准为阴性，但gap值为阳性（gap<0）个数；

N_down_ev：金标准为阳性，但gap值为阴性（gap>0）个数；

N_down_ne：金标准为阴性，确实gap值为阴性（gap<0）个数。

上述4个指标为个数指标，接着可计算比例性指标，如下：

P_up_ev：N_up_ev的比例，即N_up_ev除以Na；

P_up_ne：N_up_ne的比例，即N_up_ne除以Nb；

P_down_ev：N_down_ev的比例，即N_down_ev除以Na；

P_down_ne：N_down_ne的比例，即N_down_ne除以Nb。

最后进行NRI指标计算，并且还可分别得到阳性或阴性时分别的NRI指标，如下：

NRI_ev（阳性时NRI值）= P_up_ev - P_down_ev

NRI_ne（阴性时NRI值）= P_down_ne - P_up_ne

NRI（整体时NRI值）=（P_up_ev - P_down_ev） + （P_down_ne - P_up_ne）

从上述公式可以看到：阳性时NRI值指阳性时，金标准为阳性时的比例 减去 误判为阴性的比例，即体现出阴性时预测类别能力的提升，阴性时类似，而NRI指标是整合综合指标值，其表示整体正确判断减去误判的整体提升情况，即阳性NRI和阴性NRI之和。

除此之外，IDI指标 = 阳性时提高值 – 阴性时减少值，阳性时提高值=金标准为阳性时对应gap值的平均值，阴性时减少值=金标准为阴性时对应gap值的平均值，其并非是类别的比例提升判断，而是对Gap值平均值的整体计算指标值，因而其称作‘综合判别改善指数’，而NRI称作‘净重新分类改善指标’。

针对NRI和IDI指标来看，二者大于0时均意味着新模型有着良好的提升，反之小于0时意味着新模型预测能力变得更糟糕。