Python 逻辑回归-如何拟合具有多个特征的模型并显示系数

我用1或2个特征拟合逻辑回归：

X=df[[“十分位数”、“年龄”]]
X_系列，X_测试，y_系列，y_测试=型号选择。系列测试(
十、 y，测试尺寸=0.20，随机状态=100
)
逻辑回归模型=线性回归模型
逻辑年龄模型拟合（X火车、y火车）
beta_0=逻辑年龄模型。截距[0]
beta_1，beta_2=逻辑年龄模型。系数[0]
打印（f“拟合模型：p（recid）=L（{beta_0:.4f}+{beta_1:.4f}十分位数分数+{beta_2:.4f}年龄）”）

我有两个以上的特性（例如15个），如何编写fit模型来查看更改

比如说

拟合模型：p（recid）=L（-0.8480+0.2475十分位数分数+-0.0135年龄）我想看看每个15个特征将如何影响结果

---

我需要为每个系数声明一个beta吗？如果是这样，我该怎么做？

我认为您正在寻找一种更有效的方法来打印许多变量的逻辑公式

#初始化模型
logistic_年龄_模型=logistic回归（）
#Fit模型（X现在有15个功能）
逻辑模型拟合（X，y）
#系数值列表
coefs=np.union1d（logistic_age_model.intercept_，logistic_age_model.coef_[0]）。tolist（）
#名单
betas=['beta_u'+str（i）表示范围内的i（len（coefs））]
#将“coefs”和“betas”组合成字典
d=dict（zip（betas，coefs））
#按公式打印
打印（'L（'+str（d）+'））

您是否为带有包含15项功能的X_train的车型安装了此功能？是的，我想为其安装15项功能，这不合适吗？这正是我需要的！，我可以进一步问一下吗？如何在结果中输入每个功能的名称，谢谢！那要看情况。你的X有列名吗？是的，现在我把它们放在df中，比如df1_select_Features=df[['利息前的ROA（A）和税后的%，每股净值（A）…等等]你可以尝试

cols=np.union1d（['beta_0'，df.columns.values）

并用

cols

替换

beta

。