Exploración de las variables explicativas
Cuando la variable de respuesta es lógica, todos los puntos se sitúan en las líneas \(y=0\) y \(y=1\), lo que dificulta ver lo que está ocurriendo. En el vídeo, hasta que no veías la línea de tendencia, no quedaba claro cómo se distribuía la variable explicativa en cada línea. Esto puede resolverse con un histograma de la variable explicativa, agrupada por la respuesta.
Utilizará estos histogramas para conocer el conjunto de datos de rotación de servicios financieros que se ve en el vídeo.
churn está disponible en pandas DataFrame.
Este ejercicio forma parte del curso
Introducción a la regresión con modelos estadísticos en Python
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Create the histograms of time_since_last_purchase split by has_churned
sns.____(____)
plt.show()