Eksploracja zmiennych objaśniających
Gdy zmienna odpowiedzi jest logiczna, wszystkie punkty leżą na prostych \(y=0\) i \(y=1\), co utrudnia analizę danych. W filmie – dopóki nie pojawiła się linia trendu – trudno było ocenić, jak zmienna objaśniająca rozkłada się na każdej z tych prostych. Rozwiązaniem jest histogram zmiennej objaśniającej z podziałem według zmiennej odpowiedzi.
Dzięki tym histogramom lepiej poznasz zbiór danych dotyczący rezygnacji klientów z usług finansowych, który pojawił się w filmie.
churn jest dostępny jako ramka danych pandas.
To ćwiczenie jest częścią kursu
Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create the histograms of time_since_last_purchase split by has_churned
sns.____(____)
plt.show()