python3二元Logistics Regression 回归

纲要

boss说增加项目平台分析方法：

T检验（独立样本T检验）、线性回归、二元Logistics回归、因子分析、可靠性分析

根本不懂，一脸懵逼状态，分析部确实有人才，反正我是一脸懵

首先解释什么是二元Logistic回归分析吧

 二元Logistics回归 可以用来做分类，回归更多的是用于预测 

官方简介：

链接：https://pythonfordatascience.org/logistic-regression-python/

理解了什么是二元以后，开始找库

需要用的包

 这里需要特别说一下，第一天晚上我就用的logit，但结果不对，然后用机器学习搞，发现结果还不对，用spss比对的值

奇怪，最后没办法，只能抱大腿了，因为他们纠结Logit和Logistic的区别，然后有在群里问了下，有大佬给解惑了

而且也有下面文章给解惑

1. 是 statsmodels 的logit模块

2. 是 sklearn.linear_model 的 LogisticRegression模块

 先说第一种方法

首先借鉴文章链接：https://blog.csdn.net/zj360202/article/details/78688070?utm_source=blogxgwz0

这么写我觉得更好，因为上面那么写执行第二遍的时候总是报错：

statsmodels.tools.sm_exceptions.PerfectSeparationError: Perfect separation detected, results not available

我改成x， y变量自己是自己的，就莫名其妙的好了

允许二分数值虚拟变量的使用，修改后

再次更新后

第二种方法，机器学习

参考链接：https://zhuanlan.zhihu.com/p/34217858

但是，机器学习的这个有问题，就是只抽取了15个值

statsmodels的库链接

Statsmodels：http://www.statsmodels.org/stable/index.html