Python logistic回归中的不同概率输出-sklearn和Stata

这是我第一次尝试在python中使用逻辑回归，我遇到了一个严重的问题

我感兴趣的结果不是0-1输出，这意味着在logit中选择的“决定”。相反，我想得到选择一个选项的概率。我还有Stata的概率输出，以供比较

我有三个数据列表：scLL、scLL2和scLLchoice。我读到Stata忽略了NaN数据，所以因为有时scLL和scLL2可能包含NaN，所以我尝试了两种不同的方法。我只是删除了scLL、scLL2和scLLchoice中的行（若行中的数据为NaN）。另一种选择是使用插补器（正如您在代码中看到的），但效果是相同的。下面是一个代码：

X=list(zip(scLL, scLL2))
y=scLLchoice
probStim2a=[]



imputer = SimpleImputer(missing_values=float("nan"), strategy='mean')
X_imputed = imputer.fit_transform(X)
logistic_regression= LogisticRegression()
logistic_regression.fit(X_imputed,y)
y_pred=logistic_regression.predict(X_imputed)


probStim2a=list(logistic_regression.predict_proba(X_imputed)[:,1])

for i in range(len(probStim2a)):
        print (probStim2a[i])

这是我输出的一部分：

0.5146826469187935
0.5891472587984292
0.596839657578841
0.5570721046966637
0.35240422902193136

问题在于，Stata的输出非常不同：

0,5313423
0,6109276
0,6185878
0,5741577
0,3578928

我检查了输入是否相同（它们是相同的）。 我还尝试使用statsmodel进行比较，并且再次得到了不同的输出（不仅与Stata的数据不同，而且与sklearn的输出也不同）。这些不同的工具是否可能产生如此不同的输出，而这不是我代码中的错误？我知道这是基于概率计算的，但2+2不应该等于5，因为我使用了不同的计算器

---

我该怎么办呢？

好吧，可以说结果并没有那么不同；它们在质量上是相似的，这意味着两个实现之间的设置不同

在这种情况下，最可能的怀疑是sklearn的逻辑回归（LR）默认使用

penal='l2'

参数（）；换句话说，sklearn的实现不是“普通的”LR，而是实际的Ridge LR。我不熟悉Stata（您也不发布相关代码），但从他们自己的角度来看，这里的情况似乎不是这样，因此结果不同

要获得相同的结果，请尝试删除sklearn中的L2惩罚，即：

logistic_regression= LogisticRegression(penalty='none')

---

关于statsmodels，它们有自己独特的默认值（即没有截距）；有关详细信息，请参阅交叉验证线程。

这些答案适用于完全相同的测试集？是的，它们是相同的。如果输入以相同的顺序输入，并且两个程序中的参数相同，并且它们都使用相同的舍入近似值，则它们应该是相同的。否则会有差异在一天结束时，每个程序中的代码都是以不同的方式编写的。多次迭代中的微小更改可能会导致最终结果的微小更改。没什么好担心的。依我看！实际上，我尝试了“无”选项。它确实改变了输出，但它们仍然与Stata中的不同。感谢您的链接，我能够使用（fit_intercept=False，C=1e9）选项从统计模型中复制结果。@Kubaaaa不再需要

C=1e9

参数-

penal='none'

（在编写原始答案时不可用-请参阅更新）应该完成这项工作。