GLM 和带有 statsmodels 的 Logit 模型有什么区别？答案

【问题标题】：What is the difference between GLM and Logit model with statsmodels?GLM 和带有 statsmodels 的 Logit 模型有什么区别？
【发布时间】：2020-10-18 17:03:01
【问题描述】：

谁能用statsmodels解释广义线性模型和逻辑回归模型表之间的区别。为什么在执行逻辑回归时两个模型得到不同的结果？？

【问题讨论】：

能否请您发布一些示例代码？

标签： python-3.x machine-learning logistic-regression statsmodels glm

【解决方案1】：

GLM 是广义线性模型，而 Logit 模型特定于具有二元分类的模型。在使用 GLM 模型时，您必须提及可以是二项式（logit 模型）、Poisson 等的参数族。Logit 模型中不需要此参数，因为它仅用于二进制输出。输出的差异可能是因为正则化参数。

【讨论】：

【解决方案2】：

GLM 与 Binomial 系列和 Logit 链接以及离散的 Logit 模型代表相同的基础模型，并且都符合最大似然估计

GLM 和 discrete 对应的实现、默认优化方法、扩展选项和某些结果统计信息的可用性不同。

对于常规、定义明确的案例和表现良好的数据，两个模型产生相同的结果，达到优化和数值噪声的收敛容差。

但是，估计方法的行为在极端情况以及奇异或接近奇异的数据中会有所不同。

相关的：
对于使用 GLM 的具有非规范链接的模型，跨优化方法使用的定义可能存在差异，例如标准误差是基于预期的还是观察到的信息矩阵。使用像 logit 这样的规范链接，这两个是相同的。

【讨论】：