是否可以在 sklearn 中使用或不使用(即仅使用截距)预测器来运行回归(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
但这会返回一个非空模型。
我正在寻找类似的东西,仅截距回归( Y = a + ε
)与标准回归( Y = a + bX + ε
): http://www.philender.com/courses/linearmodels/notes1/nopredict.html
或者特别是这个(因为它与逻辑回归相关):https://stats.stackexchange.com/questions/82940/is-the-null-model-for-binary-logistic-regression-just-the-natural-log-function
最佳答案
我不确定是否明白您的意思,但您可能对 sklearn.dummy.DummyClassifier 和 sklearn.dummy.DummyRegressor 感兴趣,它们使用简单的方法进行预测规则,例如:
“最频繁”、“均匀”、“常数”、“平均值”、“中值”、...
否则,请重新表述您的问题以指明更具体的用例。
关于python - 没有预测器的 Sklearn 回归,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46916062/