Logistisk regression med två förklaringsvariabler
Logistisk regression stöder även flera förklaringsvariabler. Syntaxen för att inkludera flera förklaringsvariabler i logistiska regressionsmodeller är densamma som för linjär regression.
Här anpassar du en modell för churnstatus med båda förklaringsvariablerna från datamängden: längden på kundrelationen och hur nyligen ett köp gjordes, samt deras interaktion.
churn är tillgänglig.
Den här övningen är en del av kursen
Intermediär regression med statsmodels i Python
Övningsinstruktioner
- Importera funktionen
logit()frånstatsmodels.formula.api. - Anpassa en logistisk regression av churnstatus,
has_churned, mot längden på kundrelationen,time_since_first_purchase, och hur nyligen ett köp gjordes,time_since_last_purchase, samt en interaktion mellan förklaringsvariablerna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)