Proč potřebujete logistickou regresi

Úvod do regrese s knihovnou statsmodels v Pythonu

Maarten Van den Broeck

Content Developer at DataCamp

Dataset odchodu zákazníků banky

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
...	...	...
response	délka vztahu	recency aktivity

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

Odchod vs. recency: lineární model

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

Vizualizace lineárního modelu

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


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

plt.show()

Bodový graf znázorňující odchod nebo setrvání zákazníka v závislosti na době od posledního nákupu. Všechny body leží na přímce y = 0 nebo y = 1. Lineární trendová čára ukazuje rostoucí pravděpodobnost odchodu s rostoucí dobou od posledního nákupu.

Oddálení pohledu

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()

Bodový graf znázorňující odchod nebo setrvání zákazníka v závislosti na době od posledního nákupu. Osy jsou oddáleny oproti předchozímu zobrazení a ukazují, že trendová čára klesá pod y = 0 a stoupá nad y = 1, což by být nemělo.

Co je logistická regrese?

Další typ zobecněného lineárního modelu.
Používá se, když je vysvětlovaná proměnná logická.
Odezvy sledují logistickou (esovitou) křivku.

Logistická regrese pomocí 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

Vizualizace logistického modelu

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()

Bodový graf znázorňující odchod nebo setrvání zákazníka v závislosti na době od posledního nákupu. Jsou zobrazeny lineární a logistická trendová čára, obě ukazují rostoucí pravděpodobnost odchodu s rostoucí dobou od posledního nákupu. Obě čáry se navzájem velmi blízko sledují, s výjimkou vysokých hodnot doby od posledního nákupu.

Oddálení pohledu

Bodový graf znázorňující odchod nebo setrvání zákazníka v závislosti na době od posledního nákupu s oběma trendovými čarami. Osy jsou oddáleny oproti předchozímu zobrazení a ukazují, že logistická trendová čára nikdy nepřekračuje rozsah pravděpodobnosti odchodu od nuly do jedné.

Pojďme si procvičit!

Úvod do regrese s knihovnou statsmodels v Pythonu