Prédiction par régression logistique
Comme pour la régression linéaire, l'intérêt de la régression logistique, c'est que vous pouvez faire des prédictions. Parcourons encore une fois l'enchaînement des étapes de prédiction!
churn et mdl_churn_vs_both_inter sont disponibles; dplyr, tidyr et ggplot2 sont chargés.
Cette activité fait partie du cours
Régression intermédiaire en R
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Make a grid of explanatory data
explanatory_data <- ___(
# Set len. relationship to seq from -2 to 4 in steps of 0.1
___,
# Set recency to seq from -1 to 6 in steps of 0.1
___
)
# See the result
explanatory_data