相关疑难解决方法(0)

我知道这个问题之前已经在这里被问过。但我找不到正确的答案。上一篇文章中提供的答案表明，它的使用Statistics.chiSqTest(data)提供了拟合优度检验（皮尔逊卡方检验），而不是系数显着性的沃尔德卡方检验。

我试图在 Spark 中构建逻辑回归的参数估计表。我能够获取系数和截距，但找不到 Spark API 来获取系数的标准误差。我看到线性模型中提供了系数标准误差作为模型摘要的一部分。但逻辑回归模型摘要并没有提供这一点。部分示例代码如下。

import org.apache.spark.ml.classification.{BinaryLogisticRegressionSummary, LogisticRegression}

val lr = new LogisticRegression()
  .setMaxIter(10)
  .setRegParam(0.3)
  .setElasticNetParam(0.8)

// Fit the model
val lrModel = lr.fit(training) // Assuming training is my training dataset

val trainingSummary = lrModel.summary
val binarySummary = trainingSummary.asInstanceOf[BinaryLogisticRegressionSummary] // provides the summary information of the fitted model

有没有办法计算系数的标准误差。（或者获取系数的方差-协方差矩阵，从中我们可以得到标准误差）