Regresión logística con dos variables explicativas
La regresión logística también admite múltiples variables explicativas. Para incluir varias variables explicativas en modelos de regresión logística, la sintaxis es la misma que para las regresiones lineales.
Aquí ajustarás un modelo del estado de churn con ambas variables explicativas del conjunto de datos: la duración de la relación con el cliente y la recencia de la compra, y su interacción.
churn está disponible.
Este ejercicio forma parte del curso
Regresión intermedia con statsmodels en Python
Instrucciones del ejercicio
- Importa la función
logit()desdestatsmodels.formula.api. - Ajusta una regresión logística del estado de churn,
has_churned, frente a la duración de la relación con el cliente,time_since_first_purchase, y la recencia de la compra,time_since_last_purchase, y una interacción entre las variables explicativas.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Import logit
____
# Fit a logistic regression of churn status vs. length of relationship, recency, and an interaction
mdl_churn_vs_both_inter = ____
# Print the coefficients
print(mdl_churn_vs_both_inter.params)