Google在2013年提出来Logistic回归的FTRL的online training方法之后，据说很多公司的点击率预测系统都使用了FTRL算法，我们最近也在对FTRL算法做评估，我们发现FTRL在流式的online training的情况下，AUC的波动会比较大，不知道大家有没有遇到过类似的问题？有没有什么好的解决办法呢？

请问各位大牛，用scikit-learn构建逻辑回归时（Logistic Regression），怎么查看模型系数的显著性？考虑到如果系数不显著，即使解释度（score）很高，precision和recall表现良好，也是有潜在问题的！

小白初入统计大门，问题有点多，求大神指教～——————— Logistic回归除了检验各系数的显著性（p 值），似然比检验外，还有哪些检验模型拟合优度的方法？ 如果使用logit建立评级体系（分类）除了ROC曲线及c统计量（AUC）外，还有哪些指标和方法评价模型的质量？ 最后R中是否有完备的包处理Logit回归呢？