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 . ]) .