是否可以在sklearn中使用和不使用（即仅使用截距）预测变量运行回归（例如，逻辑回归）？这似乎是一个相当标准的类型分析，也许这些信息已经在输出中可用 .
我发现的唯一相关的东西是 sklearn.svm.l1_min_c ，但这会返回一个非null模型 .
我正在寻找类似的东西，回归只有拦截（ Y = a + ε ）与标准回归（ Y = a + bX + ε ）：http://www.philender.com/courses/linearmodels/notes1/nopredict.html
或者特别是这（因为它与逻辑回归有关）：https://stats.stackexchange.com/questions/82940/is-the-null-model-for-binary-logistic-regression-just-the-natural-log-function
2 回答
我不确定你的意思，但你可能对
sklearn.dummy.DummyClassifier和sklearn.dummy.DummyRegressor感兴趣，它们使用简单的规则进行预测，例如：“most_frequent”，“uniform”，“constant”，“mean”，“median”，...
否则，请重新表述您的问题以表明更具体的用例 .
我有同样的问题并通过向（空）X添加常量特征来解决它，所以现在X与np.ones（（X.shape [0]，1））相同 . 得到的模型具有预期的平均值interception_和coef_是数组（[0 . ]） .