Por que você precisa de regressão logística

Introdução à Regressão com statsmodels em Python

Maarten Van den Broeck

Content Developer at DataCamp

Conjunto de dados de cancelamento bancário

has_churned	time_since_first_purchase	time_since_last_purchase
0	0.3993247	-0.5158691
1	-0.4297957	0.6780654
0	3.7383122	0.4082544
0	0.6032289	-0.6990435
...	...	...
resposta	duração do relacionamento	recência da atividade

¹ https://www.rdocumentation.org/packages/bayesQR/topics/Churn

Cancelamento vs. recência: um modelo linear

mdl_churn_vs_recency_lm = ols("has_churned ~ time_since_last_purchase",
                              data=churn).fit()

print(mdl_churn_vs_recency_lm.params)

Intercept                   0.490780
time_since_last_purchase    0.063783
dtype: float64

intercept, slope = mdl_churn_vs_recency_lm.params

Visualizando o modelo linear

sns.scatterplot(x="time_since_last_purchase",
                y="has_churned",
                data=churn)


plt.axline(xy1=(0, intercept),
           slope=slope)

plt.show()

Um gráfico de dispersão de se o cliente cancelou ou não versus tempo desde a última compra. Todos os pontos estão na linha y igual a 0 ou y igual a 1. Uma linha de tendência linear mostra a probabilidade de cancelamento aumentando conforme o tempo desde a última compra aumenta.

Ampliando a visão

sns.scatterplot(x="time_since_last_purchase",
                y="has_churned",
                data=churn)

plt.axline(xy1=(0,intercept),
           slope=slope)


plt.xlim(-10, 10)
plt.ylim(-0.2, 1.2)

plt.show()

O gráfico de dispersão de se o cliente cancelou ou não versus tempo desde a última compra. Os eixos estão ampliados em comparação com a última vez, mostrando que a linha de tendência se estende abaixo de y igual a 0 e acima de y igual a 1, o que deveria ser impossível.

O que é regressão logística?

Outro tipo de modelo linear generalizado.
Usado quando a variável resposta é lógica.
As respostas seguem uma curva logística (em S).

Regressão logística com logit()

from statsmodels.formula.api import logit
mdl_churn_vs_recency_logit = logit("has_churned ~ time_since_last_purchase",
                                   data=churn).fit()

print(mdl_churn_vs_recency_logit.params)

Intercept                  -0.035019
time_since_last_purchase    0.269215
dtype: float64

Visualizando o modelo logístico

sns.regplot(x="time_since_last_purchase",
            y="has_churned",
            data=churn,
            ci=None,
            logistic=True)

plt.axline(xy1=(0,intercept),
           slope=slope,
           color="black")

plt.show()

Um gráfico de dispersão de se o cliente cancelou ou não versus tempo desde a última compra. Linhas de tendência linear e logística são mostradas, ambas indicando aumento nas probabilidades de cancelamento conforme o tempo desde a última compra aumenta. As duas linhas de tendência se acompanham de perto, exceto em tempos altos desde a última compra.

Ampliando a visão

O gráfico de dispersão de se o cliente cancelou ou não versus tempo desde a última compra, com ambas as linhas de tendência. Os eixos estão ampliados em comparação com a última vez, mostrando que a linha de tendência logística nunca sai do intervalo de zero a um de cancelamento.

Vamos praticar!

Introdução à Regressão com statsmodels em Python