python - 将 sklearn 逻辑回归转换为 statsmodel 逻辑回归

Question

我正在通过重复的 kfold 交叉验证优化 sklearn 中的逻辑回归。我想检查置信区间，并且根据其他堆栈交换答案，从 statsmodels 获取该信息似乎更容易。

虽然来自 sklearn 的基础，但 statsmodels 是不透明的。如何将逻辑回归的优化设置转换为 statsmodels。诸如 L2 惩罚、C 值、拦截等之类的东西？

我做了一些研究，看起来 statsmodel 通过 GLM Binomials 间接支持 L2。C 值需要从 C 转换为 alpha（无论这意味着什么），我对如何指定截距只有一个模糊的想法（看起来它与 add_constant 函数有关）。

有人可以举一个如何将这种翻译成statsmodels的例子吗？我敢肯定，一旦我看到它完成了，很多它会自然而然地在我脑海中浮现。

标签： pythonscikit-learnstatsmodels