模型的 Milunovich 潜在的 提高 连续的 评分 选择 不同的 给定的 数据 机器学习 仍然是 目标变量 预处理 非线性 传统方法 正异常 根据 确定的 连续变量 离散化 必要的 变量 生产率 方法 学习方法 工作的 解释 数量 可用的 数据管理 分组 统计学 算法 意味着 模型 离散解 第一步 控制的 最大化 2019 变量数 减少 通常的 默认值 相关性 离散 统计量 质量