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.
To ćwiczenie jest częścią kursu
Regresja średnio zaawansowana ze statsmodels w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj funkcję
logit()zstatsmodels.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.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)