Kom igångKom igång gratis

Logistisk regression med logit()

Logistisk regression kräver en annan funktion från statsmodels.formula.api: logit(). Den tar samma argument som ols(): ett formula- och ett data-argument. Sedan använder du .fit() för att anpassa modellen till datan.

Här ska du modellera hur längden på kundrelationen påverkar churn.

churn är tillgängligt.

Den här övningen är en del av kursen

Introduktion till regression med statsmodels i Python

Visa kurs

Övningsinstruktioner

  • Importera funktionen logit() från statsmodels.formula.api.
  • Anpassa en logistisk regression av has_churned mot time_since_first_purchase med datamängden churn. Tilldela resultatet till mdl_churn_vs_relationship.
  • Skriv ut parametrarna för den anpassade modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import logit
____

# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship = ____

# Print the parameters of the fitted model
print(____)
Redigera och kör kod