Prediktion med logistisk regression
Precis som med linjär regression är en av styrkorna med logistisk regression att du kan göra prediktioner. Låt oss gå igenom prediktionsflödet en gång till!
churn och mdl_churn_vs_both_inter är tillgängliga; itertools.product är inläst.
Den här övningen är en del av kursen
Intermediär regression med statsmodels i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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)