Python中Statsmodels和LogisticRegression之间的区别是什么？

我是Python的新手。我正在kaggle.com上完成泰坦尼克号任务。 有人能给我解释一下这样做的区别吗

from sklearn.linear_model import LogisticRegression
X2=train[['male']]
y2=train['Survived']
logmodel = LogisticRegression()
logmodel.fit(X2,y2)
print(logmodel.coef_,logmodel.intercept_)

这样：

from patsy import dmatrices
import statsmodels.api as sm 
y3, X3 = dmatrices( 'Survived ~ male', data=train, return_type='dataframe')
mod = sm.Logit(y_train2, X3)
res = mod.fit()
print (res.summary())

我希望得到相同的截距和系数。但我第一次看到log.reggression，第二次看到：

系数=-2.36631709截距=1.04454658

对于第二个问题：

系数=-2.4676截距=1.1141

---

为什么系数和截距不同提前谢谢

原因有很多。最突出的是训练方法和默认超参数设置。Thnx，但是，您能更清楚地解释您的答案吗？）在

sm.Logit（…）

中，您的代码中的

y\u train2

是什么？Vivek Kumar，对不起，我的勘误表，当然不是“y2\u train”必须是“y3”。