Prawdopodobieństwa
Istnieją cztery główne sposoby wyrażania predykcji modelu regresji logistycznej – przyjrzymy się każdemu z nich w kolejnych czterech ćwiczeniach. Zacznijmy od tego, że zmienna odpowiedzi przyjmuje wartość „tak" lub „nie", więc możemy przewidzieć prawdopodobieństwo wystąpienia wartości „tak". W tym ćwiczeniu obliczysz te prawdopodobieństwa i zwizualizujesz wyniki.
Dostępne są dwie zmienne:
mdl_churn_vs_relationship– dopasowany model regresji logistycznej zmiennejhas_churnedwzględemtime_since_first_purchase.explanatory_data– DataFrame z wartościami zmiennych objaśniających.
To ćwiczenie jest częścią kursu
Wprowadzenie do regresji z użyciem statsmodels w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Create prediction_data
prediction_data = explanatory_data.assign(
____
)
# Print the head
print(____)