逻辑回归模型建立后，用于预测一个数据的结果。
假设模型系数和预测参数如下：
| 参数名 | 系数w | X | Scale_X | w*Scale_X |
|---|---|---|---|---|
| 参数1 | -5.21 | -2.3 | 0.83 | -4.3243 |
| 参数2 | 1.37 | 35 | 0.21 | 0.2877 |
| 参数3 | 6.45 | 46900 | 0.93 | 5.9985 |
| 参数4 | -2.16 | 63 | 0.02 | -0.0432 |
| 参数5 | 3.34 | 890000 | 0.85 | 2.839 |
| 参数6 | -1.39 | 0.14 | 0.00 | 0 |
对于系数为正，w x Scale_X 越大，代表对 sum(w x Scale_X)的贡献越大，继而对最终达到y=1的影响更大。
对于系数为负的，w x Scale_X 越大(越靠近0)，代表对 sum(w x Scale_X)的贡献越大，继而对最终达到y=1的影响更大。
但是如何综合的考虑正负系数，比如一个正系数的5.99和一个负系数的-0.043，哪个因子影响更大，并不清楚如何判断