代码详解：准确率惊人！用Credit R创建信用风险评分模型(16)_机器学习正影响着许多不同的行业

#Generating the PD values for the train and test data

ms_train_data <- cbind(eliminated_datamodel$fitted.values)

ms_test_data <- cbind(test_woe[colnames(eliminated_data)
predict(modeltype = \"response\" newdata = https://mparticle.uc.cn/api/test_woe))

colnames(ms_train_data) <- c(\"woe.duration.in.month.binned\"\"woe.age.in.years.binned\"\"woe.installment.rate.in.percentage.of.disposable.income.binned\"\"creditability\"\"PD\")

colnames(ms_test_data) <- c(\"woe.duration.in.month.binned\"\"woe.age.in.years.binned\"\"woe.installment.rate.in.percentage.of.disposable.income.binned\"\"creditability\"\"PD\")

在现实生活中，相关机构使用的是评定量表而不是连续的PD值。由于一些监管问题或为了适应不断变化的市场/投资组合条件，模型会根据不同的中心趋势进行校准。