代码详解：准确率惊人！用Credit R创建信用风险评分模型(15)_机器学习正影响着许多不同的行业

通过包含在数据集中的变量形成模型。当模型摘要检查变量时，这些变量似乎是有意义的。然后，借助“woe.glm.feature.importance”函数，计算出变量的权重。实际上，权重是根据单个单位变化对概率的影响来计算的。

#Creating a logistic regression model of the data

model= glm(formula = creditability ~ . family = binomial(link = \"logit\") data = https://mparticle.uc.cn/api/eliminated_data)

summary(model)

输出：

#Calculating variable weights

woe.glm.feature.importance(eliminated_datamodel\"creditability\")

输出：

代码详解：准确率惊人！用Credit R创建信用风险评分模型(15)