CommencerCommencez gratuitement

Probabilités

Il existe quatre façons principales d'exprimer la prédiction d'un modèle de régression logistique. Nous examinerons chacune d'entre elles au cours des quatre exercices suivants. Tout d'abord, comme la variable de réponse est soit « oui », soit « non », vous pouvez faire une prédiction de la probabilité d'un « oui ». 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 par rapport à time_since_first_purchase.
  • explanatory_data est un DataFrame de valeurs explicatives.

Cet exercice fait partie du cours

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

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Create prediction_data
prediction_data = explanatory_data.assign(
  ____
)

# Print the head
print(____)
Modifier et exécuter le code