Um modelo ajustado pode revelar relações preditivas sem explicar o que aconteceria com uma intervenção. Você vai inspecionar coeficientes logísticos, embaralhar entradas em linhas reservadas e identificar colunas redundantes antes de descrever a importância. A padronização muda a unidade de um coeficiente, e entradas correlacionadas podem compartilhar a mesma informação. Uma variável com uma queda pequena por permutação ainda pode fazer parte de um grupo útil de preditores. Estimativas negativas podem aparecer porque a amostra de avaliação e os embaralhamentos são finitos. Preserve essa incerteza em vez de cortá-la do relatório. Nenhuma dessas quantidades prova, por si só, que mudar uma variável mudaria o resultado.
Um coeficiente padronizado descreve uma mudança condicional no logaritmo das chances para cada desvio padrão do treinamento.