是否可以在sklearn中使用和不使用（即仅使用截距）预测变量运行回归（例如，逻辑回归）？它似乎是一个相当标准的类型分析，也许这些信息已经在输出中可用。
我发现的唯一相关内容是sklearn.svm.l1_min_c，但这会返回非空模型。
我正在寻找与此相关的内容，仅使用截距（Y = a + ε）与标准回归（Y = a + bX + ε）进行回归：http://www.philender.com/courses/linearmodels/notes1/nopredict.html
或具体而言（因为它与逻辑回归有关）：https://stats.stackexchange.com/questions/82940/is-the-null-model-for-binary-logistic-regression-just-the-natural-log-function
答案 0 :(得分：2)
我不确定是什么意思，但您可能会对使用简单规则进行预测的sklearn.dummy.DummyClassifier和sklearn.dummy.DummyRegressor感兴趣，例如：
“most_frequent”，“uniform”，“constant”，“mean”，“median”，...
否则，请重新表述您的问题，以表明更具体的用例。
答案 1 :(得分：0)
我有同样的问题并通过向（空）X添加常量特征来解决它，所以现在X与np.ones（（X.shape [0]，1））相同。得到的模型具有预期的平均值interception_和coef_是数组（[0.]）。