Vorhersage mit logistischer Regression
Wie bei der linearen Regression liegt der Reiz der logistischen Regression darin, dass du Vorhersagen treffen kannst. Gehen wir den Vorhersageablauf noch einmal Schritt für Schritt durch!
churn und mdl_churn_vs_both_inter sind verfügbar; itertools.product ist geladen.
Diese Übung ist Teil des Kurses
<Kurs>Fortgeschrittene Regression mit statsmodels in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Create time_since_first_purchase
time_since_first_purchase = ____
# Create time_since_last_purchase
time_since_last_purchase = ____
# Create p as all combinations of values of time_since_first_purchase and time_since_last_purchase
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# Print the result
print(explanatory_data)