10.17.3　基于得分组的平滑预测与实际值散点图：4变量EDA模型与3变量EDA模型对比

图10.20是4变量EDA模型基于得分组的平滑预测与实际值散点图，这些得分组的变量定义与3变量EDA模型相同，所以容易进行对比。我们看到图上除了一个异常点（标记为FO）之外，其他点都紧密围绕在45°线周围，相关系数r_sm._actual,sm._{predicted:scoregroup}是0.784。

图10.20　4变量EDA模型基于得分组的平滑预测与实际值散点图

剔除这个点之后的相关系数r_sm._actual,sm._{predicted:scoregroup-FO}是0.915。比较基于得分组的3变量和4变量模型的相关系数，可以看到3变量EDA模型的点明显更密集地围绕着45°线。这个3变量EDA模型的相关系数明显比4变量EDA模型大8.17%（=（0.848-0.784）/0.784）。这说明基于得分组的3变量EDA模型有更好的预测能力。

尽管如此，如果去掉那个FO得分组，再比较会得到不同结果。这个去掉FO得分组的4变量EDA模型的相关系数比3变量模型大7.85%（=（0.915-0.848）/0.848）。这说明这个不带FO得分组的4变量EDA模型要比3变量EDA模型的预测质量好。