LoslegenKostenlos starten

Logistische Regression mit logit()

Für die logistische Regression brauchst du eine weitere Funktion aus statsmodels.formula.api: logit(). Sie verwendet dieselben Argumente wie ols(): ein Argument formula und data. Mit .fit() passt du das Modell an die Daten an.

Hier modellierst du, wie die Dauer der Kundenbeziehung die Abwanderung beeinflusst.

churn ist verfügbar.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in die Regression mit statsmodels in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere die Funktion logit() aus statsmodels.formula.api.
  • Fitte eine logistische Regression von has_churned gegen time_since_first_purchase mit dem Datensatz churn. Weise das Ergebnis mdl_churn_vs_relationship zu.
  • Gib die Parameter des angepassten Modells aus.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import logit
____

# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship = ____

# Print the parameters of the fitted model
print(____)
Code bearbeiten und ausführen