1. Learn
    2. /
  2. 课程
    3. /
  3. R 中的信用风险建模
Connected

道练习

基于 AUC 的再次剪枝

在视频中，您看到如何基于 AUC 对带有 logit 链接函数的"完整"逻辑回归模型进行剪枝。您看到变量 home_ownership 被从模型中删除，因为这样能提升整体 AUC。再重复两轮后，变量 age 和 ir_cat 也被删除，得到如下模型：

log_3_remove_ir <- glm(loan_status ~ loan_amnt + grade + annual_inc + emp_cat, family = binomial, data = training_set)

其 AUC 为 0.6545。现在请您尝试再删除一个变量，看看 AUC 是否还能提升。

说明

100 XP
  • 在模型 log_3_remove_ir 中一次删除一个变量，注意使用默认的链接函数（logit）。
  • 为您创建的每个模型生成违约概率预测。
  • 使用 auc() 函数，令 test_set$loan_status 为第 1 个参数、各模型的预测为第 2 个参数，计算每个模型的 AUC。
  • 复制代表最佳 AUC 的模型对象名称（名称与本练习第 1 问中给出的一致）。