让模型更具区分力
在上一个练习中，违约概率的预测范围相当小。正如我们所讨论的，在违约率较低的情况下，较小的预测概率是可以预期的。但如果构建更大的模型（本质上就是：纳入更多的预测变量），就可以拓宽预测值的范围。
这是否最终会带来更"好"的预测，还需要通过验证，并取决于新纳入的预测变量的质量。先来看看更大的模型如何扩大预测范围。
本练习是课程的一部分
R 中的信用风险建模
练习说明
- 按照您构建
log_model_small的方式创建log_model_full，但这次请包含数据集中所有可用的预测变量。若不想逐一输入每个列名，可以使用loan_status ~ .一次性选择所有变量。 - 使用
predict()为测试集中的所有样本创建预测向量predictions_all_full。请注意，这些数值表示违约的概率。 - 查看预测值的范围。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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