เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Logistic regression ด้วย glm()

การถดถอยเชิงเส้น (linear regression) และการถดถอยโลจิสติก (logistic regression) ต่างเป็นกรณีพิเศษของโมเดลประเภทกว้างขึ้นที่เรียกว่า Generalized Linear Models ("GLMs") การถดถอยเชิงเส้นตั้งสมมติฐานว่าค่าคงเหลือ (residuals) กระจายตัวแบบเกาส์เซียน (normal distribution) ในทางตรงข้าม การถดถอยโลจิสติกตั้งสมมติฐานว่าค่าคงเหลือกระจายตัวแบบทวินาม (binomial distribution)

ในแบบฝึกหัดนี้ จะสร้างโมเดลเพื่อดูว่าระยะเวลาความสัมพันธ์กับลูกค้าส่งผลต่อการยกเลิกบัญชีอย่างไร

ชุดข้อมูล churn พร้อมใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การถดถอยใน R เบื้องต้น

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างโมเดล logistic regression ของ has_churned เทียบกับ time_since_first_purchase โดยใช้ชุดข้อมูล churn แล้วกำหนดผลลัพธ์ให้กับตัวแปร mdl_churn_vs_relationship

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Fit a logistic regression of churn vs. length of relationship using the churn dataset
mdl_churn_vs_relationship <- ___





# See the result
mdl_churn_vs_relationship
แก้ไขและรันโค้ด