Logistische regressie met logit()

Voor logistische regressie heb je een andere functie uit statsmodels.formula.api nodig: logit(). Die gebruikt dezelfde argumenten als ols(): een formula- en een data-argument. Je past vervolgens .fit() toe om het model op de data te fitten.

Hier modelleer je hoe de duur van de klantrelatie churn beïnvloedt.

churn is beschikbaar.

Deze oefening maakt deel uit van de cursus

Introductie tot regressie met statsmodels in Python

Cursus bekijken

Oefeninstructies

Importeer de functie logit() uit statsmodels.formula.api.
Fit een logistische regressie van has_churned tegen time_since_first_purchase met de churn-gegevensset. Ken dit toe aan mdl_churn_vs_relationship.
Print de parameters van het gefitte model.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import logit
____

# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship = ____

# Print the parameters of the fitted model
print(____)

Code bewerken en uitvoeren