Regressione logistica con due variabili esplicative
La regressione logistica supporta anche più variabili esplicative. Per includerle nei modelli di regressione logistica, la sintassi è la stessa usata per le regressioni lineari.
Qui adatterai un modello dello stato di churn con entrambe le variabili esplicative dell'insieme di dati: la durata della relazione con il cliente e la recenza dell'acquisto, oltre alla loro interazione.
churn è disponibile.
Questo esercizio fa parte del corso
Regressione intermedia con statsmodels in Python
Istruzioni dell'esercizio
- Importa la funzione
logit()dastatsmodels.formula.api. - Adatta una regressione logistica dello stato di churn,
has_churned, rispetto alla durata della relazione con il cliente,time_since_first_purchase, e alla recenza dell'acquisto,time_since_last_purchase, includendo anche un'interazione tra le variabili esplicative.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# Import logit
____
# Fit a logistic regression of churn status vs. length of relationship, recency, and an interaction
mdl_churn_vs_both_inter = ____
# Print the coefficients
print(mdl_churn_vs_both_inter.params)