1. Apprendre
    2. /
  2. Cours
    3. /
  3. Introduction à la régression avec statsmodels en Python
Connected

Exercice

Probabilités

Il existe quatre principales façons d'exprimer la prédiction d'un modèle de régression logistique — nous allons les examiner dans les quatre prochains exercices. D'abord, puisque la variable réponse est soit « yes » soit « no », vous pouvez prédire la probabilité d'obtenir « yes ». Ici, vous allez calculer et visualiser ces probabilités.

Deux variables sont disponibles :

  • mdl_churn_vs_relationship est le modèle de régression logistique ajusté de has_churned en fonction de time_since_first_purchase.
  • explanatory_data est un DataFrame contenant les valeurs explicatives.

Instructions 1/2

undefined XP
    1
    2
  • Créez un DataFrame, prediction_data, en ajoutant une colonne has_churned à explanatory_data.
  • Dans la colonne has_churned, enregistrez les prédictions de la probabilité de résiliation : utilisez le modèle mdl_churn_vs_relationship et les données explicatives explanatory_data.
  • Affichez les cinq premières lignes du DataFrame de prédictions.