Apache spark 如何计算Spark'中的p值；什么是逻辑回归？

我们正在使用LogisticRegressionWithGD，并希望找出哪些变量可以预测以及具有什么意义。一些统计数据包（StatsModels）为每个术语返回p值。低p值（<0.05）表示模型中有意义的添加

我们如何使用GD模型从Logistic回归中获得/计算p值

---

非常感谢您的帮助。

这是一个非常古老的问题，但为迟到的人提供一些指导可能很有价值

与GD的逻辑回归是。在该版本中，模型本身没有提供真正的“摘要”信息集。如果您无法访问pyspark的最新版本，则必须自己计算每个功能的P值

如果您可以获取pyspark的当前版本，则您需要使用：

pyspark.mllib.classification.LogisticRegressionWithLBFGS

---

（docs）

但是你想计算什么的p值？每个特征的p值测试系数等于零的无效假设（没有影响）。这属于stats.stackexchange.com，你不认为@eliasah吗？伊戈尔，提示：@zero323我不确定这是纯技术还是理论。现在还不清楚在这种情况下OP的模型是什么意思。@eliasah这是技术性的。可以分析模型（逻辑）的结果。。例如，返回每个特性的p值“手动”链接不好，因为它显示了如何计算正常数据的p值。