Logistische regressie met twee verklarende variabelen
Logistische regressie ondersteunt ook meerdere verklarende variabelen. Om meerdere verklarende variabelen op te nemen in logistische regressiemodellen, gebruik je dezelfde syntax als bij lineaire regressies.
Hier ga je een model voor churnstatus fitten met beide verklarende variabelen uit de gegevensset: de duur van de klantrelatie en de recentheid van de aankoop, plus hun interactie.
churn is beschikbaar.
Deze oefening maakt deel uit van de cursus
Gemiddelde regressie met statsmodels in Python
Oefeninstructies
- Importeer de functie
logit()uitstatsmodels.formula.api. - Fit een logistische regressie van churnstatus,
has_churned, ten opzichte van de duur van de klantrelatie,time_since_first_purchase, en de recentheid van de aankoop,time_since_last_purchase, en een interactie tussen de verklarende variabelen.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# 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)