Logistische Regression mit 2 erklärenden Variablen
Um mehrere erklärende Variablen in logistische Regressionsmodelle aufzunehmen, ist die Syntax dieselbe wie bei linearen Regressionen. Die einzige Änderung ist wie im einfachen Fall: Du verwendest ein verallgemeinertes lineares Modell mit einer binomialen Fehlverteilung.
Hier passt du ein Modell für den Churn-Status an, und zwar mit beiden erklärenden Variablen aus dem Datensatz: der Dauer der Kundenbeziehung und der Kauffrische.
churn ist verfügbar.
Diese Übung ist Teil des Kurses
Fortgeschrittene Regression in R
Anleitung zur Übung
- Passe eine logistische Regression des Churn-Status an:
has_churnedgegen die Dauer der Kundenbeziehung,time_since_first_purchase, die Kauffrische,time_since_last_purchase, und eine Interaktion zwischen den erklärenden Variablen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Fit a logistic regression of churn status vs. length of relationship, recency, and an interaction
mdl_churn_vs_both_inter <- ___
# See the result
mdl_churn_vs_both_inter