Régression logistique avec 2 variables explicatives
Pour inclure plusieurs variables explicatives dans des modèles de régression logistique, la syntaxe est la même que pour les régressions linéaires. Le seul changement est identique au cas simple : vous exécutez un modèle linéaire généralisé avec une famille d’erreur binomiale.
Ici, vous allez ajuster un modèle du statut de churn avec les deux variables explicatives du jeu de données : la durée de la relation client et la récence de l’achat.
churn est disponible.
Cet exercice fait partie du cours
Régression intermédiaire en R
Instructions
- Ajustez une régression logistique du statut de churn,
has_churneden fonction de la durée de la relation client,time_since_first_purchase, de la récence de l’achat,time_since_last_purchase, et d’une interaction entre les variables explicatives.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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