還能再精簡模型嗎？
刪除變數 loan_amnt 後，AUC 竟然還能提升到 0.6548！得到的模型為：
log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)
有沒有可能把這個羅吉斯迴歸模型再精簡到只剩兩個變數，而且不降低 AUC？這個練習就帶你試試看！
本練習屬於課程
R 的信用風險建模
練習說明
- 依序在模型
log_4_remove_amnt中一次刪除一個變數。記得要使用預設的連結函式（logit）。 - 使用
predict()為你建立的每個模型產生違約機率的預測。 - 針對三個模型各自計算 AUC：
test_set$loan_status作為第一個引數，對應模型的預測作為第二個引數。 - 在工作區中為 AUC 最高的模型繪製 ROC 曲線，使用
plot(roc())，其中roc()的內容與 AUC 最高時呼叫auc()的內容相同。請注意，相較於log_4_remove_amnt，AUC 也有可能已無法再提升。若此模型帶來最高 AUC，其預測已載入為pred_4_remove_amnt。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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