Un modelo ajustado puede revelar relaciones predictivas sin explicar qué pasaría con una intervención. Revisarás coeficientes logísticos, barajarás entradas en filas reservadas e identificarás columnas redundantes antes de describir la importancia. La estandarización cambia la unidad de un coeficiente, y las entradas correlacionadas pueden compartir la misma información. Una variable con una caída por permutación pequeña puede seguir formando parte de un grupo útil de predictores. Pueden aparecer estimaciones negativas porque la muestra de evaluación y las permutaciones son finitas. Conserva esa incertidumbre en lugar de recortarla del informe. Ninguna de estas cantidades demuestra por sí sola que cambiar una variable cambiaría el resultado.
Un coeficiente estandarizado describe un cambio condicional en el logaritmo de las probabilidades por cada desviación típica del entrenamiento.