Прогнозирование с помощью логистической регрессии
Как и в случае с линейной регрессией, логистическая регрессия позволяет строить прогнозы. Давайте ещё раз пройдём через весь процесс прогнозирования!
churn и mdl_churn_vs_both_inter доступны; itertools.product загружен.
Это упражнение является частью курса
Промежуточная регрессия со statsmodels в Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Create time_since_first_purchase
time_since_first_purchase = ____
# Create time_since_last_purchase
time_since_last_purchase = ____
# Create p as all combinations of values of time_since_first_purchase and time_since_last_purchase
p = ____
# Transform p to a DataFrame and name the columns
explanatory_data = ____
# Print the result
print(explanatory_data)