还能进一步简化模型吗？
删除变量 loan_amnt 后，AUC 还能进一步提升到 0.6548！得到的模型为：
log_4_remove_amnt <- glm(loan_status ~ grade + annual_inc + emp_cat, family = binomial, data = training_set)
是否可以将逻辑回归模型再缩减到仅包含两个变量，同时不降低 AUC？本练习将带您检验这一点！
本练习是课程的一部分
R 中的信用风险建模
练习说明
- 仍然是在模型
log_4_remove_amnt的基础上，每次删除一个变量。请记住应使用默认的链接函数（logit）。 - 使用
predict()为您创建的每个模型生成违约概率预测。 - 分别为这 3 个模型计算 AUC，
auc()的第一个参数使用test_set$loan_status，第二个参数使用对应模型的预测结果。 - 为具有最高 AUC 的模型绘制 ROC 曲线，使用
plot(roc())，其中roc()的参数与最高 AUC 的auc()所用参数相同。请注意，相比log_4_remove_amnt，AUC 也可能无法进一步提升。若该模型达到最高 AUC，则其预测结果已以pred_4_remove_amnt的名称加载到您的工作空间中。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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