代码详解：准确率惊人！用Credit R创建信用风险评分模型(14)_机器学习正影响着许多不同的行业

clustering_data <- variable.clustering(eliminated_data\"creditability\" 2)

clustering_data

输出：

# Returns the data for variables that have the maximum gini value in the dataset

selected_data <- variable.clustering.gini(eliminated_data\"creditability\" 2)

在某些情况下，集群的平均相关性很重要，因为集群的数量设置可能不正确。因此，如果集群具有较高的平均相关性，则应该对其进行详细检查。相关性值（在集群1中只有一个变量）为NaN 。

correlation.cluster(eliminated_dataclustering_datavariables = \"variable\"clusters = \"Group\")

输出：

代码详解：准确率惊人！用Credit R创建信用风险评分模型(14)