使用预测变量编写逻辑回归公式

Question

我正在尝试使用模型的实际预测变量输出来编写逻辑回归方程。我用系数对线性回归做了这个，但我不确定如何用逻辑回归来做。我看到回归方程如下：

图像没有显示出来，所以我把它打出来 我看到的公式是

y=B0 +b1x1 +b2x2 +b3x3

等等。

在线，它说“其中 p hat 是回归系数为 b1 到 k 的逻辑模型的预期比例响应，当预测变量的值为 x1 到 k 时截距 b0。”

那么，这是否意味着如果我的预测变量如下

带宽：-4.01 任期：0.98 无纸化计费：-2.34

等式是

y=B0 + -4.01(Bandwith) + .98(Tenure) + -2.34(PaperlessBilling)

我如何得到方程的常数？ 它没有像我的线性回归那样出现在我的输出中。我使用以下代码来获取输出。如果有更好的方法来做到这一点，我全神贯注。谢谢。

import statsmodels.api as sm
logit_model=sm.Logit(y_train,X_train)
result=logit_model.fit()
print(result.summary())
```


  [1]: https://i.stack.imgur.com/Xb9Nr.png