简短版本：我在某些数据上使用了scikit LinearRegression，但是我习惯于使用p值，因此将数据放入statsmodels OLS中，尽管R ^ 2大致相同，但变量系数都存在很大差异。这使我感到担心，因为最可能的问题是我在某个地方犯了一个错误，而现在我对这两种输出都没有信心（因为可能是我制作了一个模型不正确，但不知道是哪个模型）。
较长的版本：因为我不知道问题出在哪里，所以我不确切知道要包含哪些细节，并且包括所有内容可能太多了。我也不确定要包含代码或数据。
我觉得scikit的LR和statsmodels OLS应该都在做OLS，据我所知OLS是OLS，所以结果应该是相同的。
对于scikit的LR，无论我设置了normalize = True还是= False，结果（统计上）都是相同的，我发现这有些奇怪。
对于statsmodels OLS，我使用sklearn的StandardScaler标准化了数据。我添加了一列，所以它包括一个拦截器（因为scikit的输出包括一个拦截器）。有关更多信息，请访问：http : //statsmodels.sourceforge.net/devel/examples/generated/example_ols.html（添加此列不会将变量系数更改为任何显着程度，并且截距非常接近于零。）StandardScaler没有不喜欢我的整数不是浮点数，所以我尝试了以下方法：https : //github.com/scikit-learn/scikit-learn/issues/1709这使警告消失了，但是结果完全一样。
当然，对于sklearn方法，我使用5倍cv（每次测试和训练数据的R ^ 2都是一致的），对于statsmodels，我只是将所有数据扔掉了。
对于sklearn模型和stats模型，R ^ 2约为0.41（这对社会科学是有益的）。这可能是一个好兆头，也可能只是一个巧合。
数据是《魔兽世界》中化身的观察结果（来自http://mmnet.iis.sinica.edu.tw/dl/wowah/），我想将其每周化作一些不同的功能。最初，这是一个数据科学课程的课程项目。
自变量包括一周中的观察次数（int），字符级别（int）（如果在行会中则为布尔值）（布尔值），看到时（在工作日，工作日前夜，工作日晚和周三是布尔值），字符类的虚拟对象（在数据收集时，WoW中只有8个类，因此有7个虚拟变量，并且删除了原始的字符串分类变量），以及其他。
因变量是每个字符在该周内获得多少级别（int）。
有趣的是，类似变量内的某些相对顺序在statsmodels和sklearn中保持不变。因此，尽管加载有很大的不同，但是“看时”的排名顺序是相同的，尽管加载有很大的不同，但角色类假人的排名却是相同的。
我认为这个问题与此类似：Python statsmodels OLS和R的lm的区别
我擅长使用Python和统计数据，但还不足以解决类似问题。我试着阅读sklearn文档和statsmodels文档，但是如果答案在那里，我的脸不知所措。
我愿意知道：
我知道这个问题有些模糊（没有代码，没有数据，没有输出），但是我认为这更多地是关于这两个软件包的一般过程。当然，一个似乎更多的统计数据，一个似乎更多的机器学习数据，但它们都是OLS，所以我不明白为什么输出不一样。
（我什至尝试了其他一些OLS调用来进行三角测量，一个给出的R ^ 2低得多，一个循环了五分钟，我杀死了它，一个崩溃了。）
谢谢！
听起来您没有X向两个过程提供相同的回归矩阵（但请参见下文）。这是一个示例，向您展示需要为sklearn和statsmodel使用哪些选项才能产生相同的结果。
import numpy as np
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression
# Generate artificial data (2 regressors + constant)
nobs = 100
X = np.random.random((nobs, 2))
X = sm.add_constant(X)
beta = [1, .1, .5]
e = np.random.random(nobs)
y = np.dot(X, beta) + e
# Fit regression model
sm.OLS(y, X).fit().params
>> array([ 1.4507724 , 0.08612654, 0.60129898])
LinearRegression(fit_intercept=False).fit(X, y).coef_
>> array([ 1.4507724 , 0.08612654, 0.60129898])
正如评论者所建议的那样，即使您给两个程序相同的X，X可能也没有完整的列排名，并且它们的sm / sk可能在后台采取了（不同的）动作来使OLS计算得以通过（即删除不同的列）。
我建议您使用pandas并patsy注意以下事项：
import pandas as pd
from patsy import dmatrices
dat = pd.read_csv('wow.csv')
y, X = dmatrices('levels ~ week + character + guild', data=dat)
或者，可以使用statsmodels公式界面：
import statsmodels.formula.api as smf
dat = pd.read_csv('wow.csv')
mod = smf.ols('levels ~ week + character + guild', data=dat).fit()
编辑：此示例可能有用：http : //statsmodels.sourceforge.net/devel/example_formulas.html
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句