没有预测器的 Sklearn 回归

是否可以在 sklearn 中使用或不使用（即仅使用截距）预测器来运行回归（例如逻辑回归）？这似乎是一个相当标准的类型分析，也许这些信息已经在输出中可用。

我发现的唯一相关的事情是sklearn.svm.l1_min_c但这会返回一个非空模型。

我正在寻找类似的东西，只有截距的回归（Y = a + ε) 与标准回归 (Y = a + bX + ε): http://www.philender.com/courses/linearmodels/notes1/nopredict.html http://www.philender.com/courses/linearmodels/notes1/nopredict.html

或者特别是这个（因为它与逻辑回归有关）：https://stats.stackexchange.com/questions/82940/is-the-null-model-for-binary-logistic-regression-just-the-natural-log-function https://stats.stackexchange.com/questions/82940/is-the-null-model-for-binary-logistic-regression-just-the-natural-log-function

我不确定你的意思，但你可能感兴趣sklearn.dummy.DummyClassifier and sklearn.dummy.DummyRegressor，它使用简单的规则进行预测，例如：

“最频繁”、“均匀”、“常数”、“平均值”、“中位数”……

否则，请明确您的问题以表明更具体的用例。