Probabilità

Ci sono quattro modi principali per esprimere la previsione di un modello di regressione logistica: li vedremo uno per ciascuno dei prossimi quattro esercizi. Per iniziare, dato che la variabile risposta è "sì" o "no", puoi prevedere la probabilità di un "sì". Qui calcolerai e visualizzerai queste probabilità.

Sono disponibili due variabili:

mdl_churn_vs_relationship è il modello di regressione logistica adattato di has_churned in funzione di time_since_first_purchase.
explanatory_data è un DataFrame con i valori esplicativi.

Questo esercizio fa parte del corso

Introduzione alla regressione con statsmodels in Python

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create prediction_data
prediction_data = explanatory_data.assign(
  ____
)

# Print the head
print(____)

Modifica ed esegui il codice