预测违约概率
在视频中，您查看了测试集里某一个样本的违约概率预测。更方便的是，您可以使用 predict() 函数一次性为测试集中的所有样本预测概率。
在获得测试集所有样本的预测结果后，查看预测概率的取值范围可以帮助您初步判断模型的区分能力。范围很小，意味着测试集中各样本的预测值彼此相差不大，因此模型可能不太擅长区分优质与劣质客户。在违约率较低的情况下，您通常会看到预测的违约概率整体偏低。现在是时候来看看第一个模型的表现了。
log_model_small 已加载到工作空间。
本练习是课程的一部分
R 中的信用风险建模
练习说明
- 视频中用于预测
test_case的代码已复制到您的工作区。请修改代码，使predict()函数应用于test_set中的所有样本。将结果保存到对象predictions_all_small。 - 使用
range()初步了解模型的区分能力。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Make PD-predictions for all the test set elements using the "log_model_small" logistic regression model
predictions_all_small <- predict(log_model_small, newdata = test_case, type = "response")
# Look at the range of the object "predictions_all_small"