python画logistic拟合曲线_Python Sklearn Logistic回归模型错误拟合

对于逻辑回归,我试图从Wikipedia

logistic regression页面重现结果.所以,我的代码如下所示：

import numpy as np

from sklearn.linear_model import LogisticRegression

x = np.array([0.5, 0.75, 1, 1.25, 1.5, 1.75, 1.75, 2, 2.25, 2.5, 2.75, 3, 3.25, 3.5, 4, 4.25, 4.5, 4.75, 5, 5.5])

y = np.array([0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1])

logistic = LogisticRegression()

logistic.fit(x[:, None], y)

但是如何获得拟合模型的摘要,具体如下：

Coefficient Std.Error z-value P-value (Wald)

Intercept −4.0777 1.7610 −2.316 0.0206

Hours 1.5046 0.6287 2.393 0.0167

这就是维基百科页面对拟合模型的影响.如果我尝试使用系数和截距的打印,我将收到如下内容：

print(logistic.coef_)

print(logistic.intercept_)

[[ 0.61126347]]

[-1.36550178]

这显然是不同的.

问题是,为什么我的结果与维基百科页面上的结果不同？

logistic = LogisticRegression(penalty='l2', C=1e4)

logistic.fit(x[:, None],y)

print(logistic.coef_)

print(logistic.intercept_)

# [[ 1.50459727]]

# [-4.07757136]