1. Learn
    2. /
  2. Kurser
    3. /
  3. Regresja średnio zaawansowana ze statsmodels w Pythonie
Connected

övning

Regresja logistyczna z dwiema zmiennymi objaśniającymi

Regresja logistyczna obsługuje również wiele zmiennych objaśniających. Składnia dodawania wielu zmiennych objaśniających do modeli regresji logistycznej jest taka sama jak w przypadku regresji liniowej.

Dopasuj model statusu rezygnacji z użyciem obu zmiennych objaśniających z tego zbioru danych: długości relacji z klientem oraz czasu od ostatniego zakupu, a także ich interakcji.

Dostępny jest zbiór danych churn.

Instruktioner

100 XP
  • Zaimportuj funkcję logit() z statsmodels.formula.api.
  • Dopasuj model regresji logistycznej statusu rezygnacji, has_churned, względem długości relacji z klientem, time_since_first_purchase, czasu od ostatniego zakupu, time_since_last_purchase, oraz interakcji między zmiennymi objaśniającymi.