Redução adicional do modelo?

Ao excluir a variável loan_amnt, a AUC pode ser ainda mais melhorada para 0.6548! O modelo resultante é

log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)

É possível reduzir o modelo de regressão logística para apenas duas variáveis sem reduzir a AUC? Neste exercício você vai descobrir se isso é possível!

Este exercício faz parte do curso

Modelagem de Risco de Crédito em R

Ver curso

Instruções do exercício

Novamente, exclua uma variável por vez no modelo log_4_remove_amnt. Lembre-se de que você deve usar a função de link padrão (logit).
Use predict() para gerar previsões de probabilidade de inadimplência para cada modelo que você criou.
Obtenha as AUCs para cada um dos três modelos, usando test_set$loan_status como primeiro argumento e as previsões de cada um dos três modelos como segundo argumento.
Plote a curva ROC para o modelo com a maior AUC no seu workspace, usando plot(roc()), em que o conteúdo de roc() é o mesmo usado na função auc() que gerou a maior AUC. Observe que é possível que a AUC não possa ser mais reduzida em relação ao modelo log_4_remove_amnt. As previsões para esse modelo estão carregadas no seu workspace como pred_4_remove_amnt, caso esse modelo apresente a maior AUC.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Build three models each time deleting one variable in log_4_remove_amnt
log_5_remove_grade <- glm(loan_status ~ annual_inc + emp_cat, family = binomial, data = training_set) 
log_5_remove_inc <- 
log_5_remove_emp <- 

# Make PD-predictions for each of the models
pred_5_remove_grade <- predict(log_5_remove_grade, newdata = test_set, type = "response")
pred_5_remove_inc <-
pred_5_remove_emp <-

# Compute the AUCs



# Plot the ROC-curve for the best model here

Editar e executar o código