Logistische Regression mit glm()
Lineare Regression und logistische Regression sind Sonderfälle eines übergeordneten Modelltyps, der generalized linear models ("GLMs") heißt. Eine lineare Regression geht davon aus, dass die Residuen einer gaußschen (normalen) Verteilung folgen. Eine logistische Regression nimmt dagegen an, dass die Residuen einer binomialen Verteilung folgen.
Hier modellierst du, wie sich die Dauer der Kundenbeziehung auf die Abwanderung auswirkt.
churn ist verfügbar.
Diese Übung ist Teil des Kurses
<Kurs>Einführung in Regression mit R</Kurs>Übungsanweisungen
- Fitte eine logistische Regression von
has_churnedgegentime_since_first_purchasemit dem Datensatzchurn. Weise das Ergebnismdl_churn_vs_relationshipzu.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship <- ___
# See the result
mdl_churn_vs_relationship