不同系数：scikit学习与统计模型（逻辑回归）

Question

在进行逻辑回归时，我使用的系数statsmodels是正确的（已通过一些课程资料进行了验证）。但是，我无法获得与相同的系数sklearn。我试图对数据进行预处理无济于事。这是我的代码：

统计模型：

import statsmodels.api as sm

X_const = sm.add_constant(X)
model = sm.Logit(y, X_const)
results = model.fit()
print(results.summary())

相关输出为：

                 coef    std err          z      P>|z|      [0.025      0.975]
------------------------------------------------------------------------------
const      -0.2382      3.983     -0.060      0.952      -8.045       7.569
a           2.0349      0.837      2.430      0.015       0.393       3.676
b           0.8077      0.823      0.981      0.327      -0.806       2.421
c           1.4572      0.768      1.897      0.058      -0.049       2.963
d          -0.0522      0.063     -0.828      0.407      -0.176       0.071
e_2         0.9157      1.082      0.846      0.397      -1.205       3.037
e_3         2.0080      1.052      1.909      0.056      -0.054       4.070

Scikit学习（无需预处理）

from sklearn.linear_model import LogisticRegression

model = LogisticRegression()
results = model.fit(X, y)
print(results.coef_)
print(results.intercept_)

给出的系数为：

array([[ 1.29779008,  0.56524976,  0.97268593, -0.03762884,  0.33646097,
     0.98020901]])

给出的截距/常数为：

array([ 0.0949539])

如您所见，无论哪个系数对应于哪个变量，给出的数字sklearn都与中的正确数字不匹配statsmodels。我想念什么？提前致谢！

Answer 1

由于在reddit上善良的灵魂，这一问题得以解决。要获得相同的系数，就必须否定正规化是sklearn在默认情况下适用于逻辑回归：

model = LogisticRegression(C=1e8)

凡C根据文档是：

C：浮点数，默认值：1.0

正则强度的倒数；必须为正浮点数。与支持向量机一样，较小的值指定更强的正则化。