対数オッズ
ロジスティック回帰で予測を確率やオッズで表す場合の欠点は、どちらの予測線も曲線になることです。これでは説明変数を変えたときに予測がどう変化するか、直感的に捉えにくくなります。一方、オッズの対数（「対数オッズ」または「ロジット」）は、予測される応答と説明変数のあいだに線形の関係があります。つまり、説明変数が変化しても、応答指標に劇的な変化は起きず、線形的に変化します。
ただし、対数オッズの値自体は（線形な）オッズより直感的ではありません。そのため可視化では、通常はオッズをプロットし、y軸のスケールに対して対数変換を適用するほうが見やすくなります。
mdl_churn_vs_relationship、explanatory_data、prediction_data は前の演習から利用できます。
この演習はコースの一部です
Pythonで学ぶstatsmodelsによる回帰入門
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。
# Update prediction data with log_odds
____
# Print the head
print(____)