logistic-regression - statsmodel逻辑回归 - 不为系数生成标准误差

Question

我想使用逻辑回归模型为我的数据集中的各种特征以及它们的 95% 置信区间生成优势比或系数。

由于我们无法为 sklearn 逻辑回归模型中的优势比或系数生成 95% CI 值，因此我开始使用 statsmodels。

但是，我使用包含 17 个虚拟编码分类特征和 1 个结果变量的非常大的数据集在我的输出中没有看到任何系数的标准误差 - 仅在几个特征中看到适度的相关性（Person 的 r < 0.45）。

我的代码如下：

import statsmodels.api as sm

X_atr = sm.add_constant(X_atr) #add constant for intercept
logit_model = sm.Logit(y_atr, X_atr) #Create model instance
result = logit_model.fit(method = "bfgs") #Fit model

print(result.summary()) #print results

这是我的输出示例。我得到了系数——但没有它们的标准误差或 95% CI 值。有人可以建议如何解决这个问题吗？

标签： logistic-regressionstatsmodelsconfidence-intervalcoefficients