2つの説明変数を使ったロジスティック回帰
ロジスティック回帰でも複数の説明変数を扱えます。ロジスティック回帰モデルに複数の説明変数を含める場合も、構文は線形回帰と同じです。
ここでは、データセットにある2つの説明変数、つまり顧客との関係の長さと直近の購入からの経過時間、そしてそれらの交互作用を使って解約状況のモデルを構築します。
churn は使用可能です。
この演習はコースの一部です
statsmodels を使った中級 Regression
演習の手順
statsmodels.formula.apiからlogit()関数をインポートします。- 解約状況（
has_churned）を、顧客との関係の長さ（time_since_first_purchase）、直近の購入からの経過時間（time_since_last_purchase）、およびこれらの説明変数間の交互作用に対してロジスティック回帰でモデル化します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)