より判別力の高いモデルを作る
前の演習では、延滞確率の予測レンジがかなり小さかったですね。既に説明したとおり、延滞率が低い場合には小さな予測確率になるのは普通ですが、より大きなモデル（つまり、より多くの予測変数を含めること）を作ると、予測のレンジを広げられます。
これで最終的に予測が「良く」なるかどうかは、追加した予測変数の質に左右され、検証が必要です。まずは、モデルを大きくするとレンジがどのように広がるかを確認してみましょう。
この演習はコースの一部です
R で学ぶクレジットリスク・モデリング
演習の手順
log_model_smallを作ったときと同様にlog_model_fullを作成しますが、今回はデータセット内の利用可能なすべての予測変数を含めてください。各列名を個別に入力したくない場合は、loan_status ~ .としてすべての変数を一括で指定できます。- テストセット内のすべてのケースに対して、
predict()を使って予測ベクトルpredictions_all_fullを作成します。これらの値は延滞の確率を表している点に注意してください。 - 予測値のレンジを確認してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Change the code below to construct a logistic regression model using all available predictors in the data set
log_model_small <- glm(loan_status ~ age + ir_cat, family = "binomial", data = training_set)
# Make PD-predictions for all test set elements using the the full logistic regression model
# Look at the predictions range