glm() で行うロジスティック回帰
線形回帰とロジスティック回帰は、より一般的な 一般化線形モデル（"GLM"）の特別なケースです。線形回帰は、残差がガウス（正規）分布に従うという仮定を置きます。対して、ロジスティック回帰は、残差が二項分布に従うと仮定します。
ここでは、顧客との関係の長さが解約（churn）にどのように影響するかをモデル化します。
churn が利用可能です。
この演習はコースの一部です
Rで学ぶ回帰入門
演習の手順
churnデータセットを使い、has_churnedを目的変数、time_since_first_purchaseを説明変数とするロジスティック回帰を当てはめてください。結果をmdl_churn_vs_relationshipに代入します。
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。
# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship <- ___
# See the result
mdl_churn_vs_relationship