Régression logistique avec 2 variables explicatives
Pour inclure plusieurs variables explicatives dans un modèle de régression logistique, la syntaxe est la même que pour les régressions linéaires. Le seul changement est le même que dans le cas simple : vous exécutez un modèle linéaire généralisé avec une famille d'erreur binomiale.
Ici, vous allez ajuster un modèle du statut d'attrition à l'aide des deux variables explicatives du jeu de données : la durée de la relation client et la récence de l'achat.
churn est disponible.
Cette activité fait partie du cours
Régression intermédiaire en R
Instructions de l’exercice
- Ajustez une régression logistique du statut d'attrition,
has_churneden fonction de la durée de la relation client,time_since_first_purchase, de la récence de l'achat,time_since_last_purchase, ainsi que d'une interaction entre les variables explicatives.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Fit a logistic regression of churn status vs. length of relationship, recency, and an interaction
mdl_churn_vs_both_inter <- ___
# See the result
mdl_churn_vs_both_inter