我正在学习一段时间，我正在尝试进行逻辑回归（在 R 中使用 GLM），现在很难知道该怎么做。
我有一个二元因变量和 15 个自变量。作为运行 GLM 的结果，我得到了：
glm(formula = y ~ ., family = binomial(link = "logit"), data = crs$dataset[crs$train,
c(crs$input, crs$target)])
Deviance Residuals:
Min 1Q Median 3Q Max
-2.9601 -0.5093 0.3074 0.4809 2.9348
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.52793176 0.19178032 -2.753 0.00591 **
x1 -0.03566232 0.01605379 -2.221 0.02632 *
x2 0.00497392 0.00110514 4.501 6.77e-06 ***
x3 -0.00002352 0.00000944 -2.491 0.01272 *
x4 0.01004249 0.01174335 0.855 0.39246
x5 0.10133956 0.01674787 6.051 1.44e-09 ***
x6 0.11445741 0.01819984 6.289 3.20e-10 ***
x7 0.06258882 0.01386824 4.513 6.39e-06 ***
x8 0.02266609 0.00103133 21.978 < 2e-16 ***
x9 1.05134745 0.11131339 9.445 < 2e-16 ***
x10 -0.46848579 0.09126661 -5.133 2.85e-07 ***
x11 -0.63923543 0.09490545 -6.735 1.63e-11 ***
x12 -0.36519602 0.08772172 -4.163 3.14e-05 ***
x13 0.02825176 0.00712733 3.964 7.37e-05 ***
x14 0.05050850 0.01282973 3.937 8.26e-05 ***
x15 -0.05083407 0.03117515 -1.631 0.10298
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 31488 on 26813 degrees of freedom
Residual deviance: 19489 on 26798 degrees of freedom
AIC: 19521
Number of Fisher Scoring iterations: 5
Log likelihood: -9744.441 (16 df)
Null/Residual deviance difference: 11999.293 (15 df)
Chi-square p-value: 0.00000000
Pseudo R-Square (optimistic): 0.66283672
我想寻求帮助以查看此结果以了解它是否是可接受的模型。
我使用 ROC 评估了这个模型，它给了我 0,8843 的结果。这是否意味着预测正确率为 88.43%？
我可以使用这些重要代码作为参考(***,**,*,., )吗？我应该选择在我的模型中保留哪一个？