Regressione logistica con 2 variabili esplicative
Per includere più variabili esplicative nei modelli di regressione logistica, la sintassi è la stessa della regressione lineare. L’unica differenza, come nel caso semplice, è che esegui un modello lineare generalizzato con famiglia di errore binomiale.
Qui adatterai un modello dello stato di churn con entrambe le variabili esplicative del dataset: la durata della relazione con il cliente e la recenza dell’acquisto.
churn è disponibile.
Questo esercizio fa parte del corso
Regressione intermedia in R
Istruzioni dell'esercizio
- Adatta una regressione logistica dello stato di churn,
has_churnedin funzione della durata della relazione con il cliente,time_since_first_purchase, e della recenza dell’acquisto,time_since_last_purchase, e includi un’interazione tra le variabili esplicative.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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