CommencerCommencez gratuitement

Régression logistique avec logit()

La régression logistique nécessite une autre fonction de statsmodels.formula.api : logit(). Elle prend les mêmes arguments que ols() : un argument formula et un argument data. Vous utilisez ensuite .fit() pour ajuster le modèle aux données.

Ici, vous modéliserez comment la durée de la relation avec un client affecte le taux de désabonnement.

churn est disponible.

Cet exercice fait partie du cours

<cours>Introduction à la régression avec statsmodels en Python</cours>
Voir le cours

Instructions de l’exercice

  • Importez la fonction logit() depuis statsmodels.formula.api.
  • Ajustez une régression logistique de has_churned en fonction de time_since_first_purchase à l’aide du jeu de données churn. Assignez le résultat à mdl_churn_vs_relationship.
  • Affichez les paramètres du modèle ajusté.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Import logit
____

# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship = ____

# Print the parameters of the fitted model
print(____)
Modifier et exécuter le code