การพยากรณ์ด้วย Logistic Regression
เช่นเดียวกับ Linear Regression ข้อดีของ Logistic Regression คือสามารถนำไปพยากรณ์ได้ ลองทบทวนขั้นตอนการพยากรณ์กันอีกครั้ง!
churn และ mdl_churn_vs_both_inter พร้อมใช้งานแล้ว รวมถึง itertools.product ที่โหลดไว้เรียบร้อยแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Regression ระดับกลางด้วย statsmodels ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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)