1. Learn
    2. /
  2. Courses
    3. /
  3. Úvod do regrese s knihovnou statsmodels v Pythonu
Connected

Exercise

Pravděpodobnosti

Předpovědi z modelu logistické regrese lze vyjádřit čtyřmi hlavními způsoby – každý z nich si projdeme v následujících čtyřech cvičeních. Protože vysvětlovaná proměnná nabývá hodnot „ano" nebo „ne", můžeš jako první způsob předpovědět pravděpodobnost výsledku „ano". V tomto cvičení tyto pravděpodobnosti vypočítáš a vizualizuješ.

Máš k dispozici dvě proměnné:

  • mdl_churn_vs_relationship je natrénovaný model logistické regrese proměnné has_churned vůči time_since_first_purchase.
  • explanatory_data je DataFrame s hodnotami vysvětlující proměnné.

Instructions 1/2

undefined XP
    1
    2
  • Vytvoř DataFrame prediction_data tak, že do explanatory_data přidáš sloupec has_churned.
  • Do sloupce has_churned ulož předpovězené pravděpodobnosti odchodu zákazníka: použij model mdl_churn_vs_relationship a vysvětlující data explanatory_data.
  • Vypiš prvních pět řádků DataFrame s předpověďmi.