SCIKIT Logistic回归模型计算剩余偏差

实际上,你可以。偏差与交叉熵密切相关 sklearn.metrics.log_loss . 偏差仅为2*(LogRealOffoDyfOx饱和模型)Log-PosiHooDo.O-FieldTi模型。SCIKIT学习可以(没有更大的调整)只处理个别实例的分类,因此饱和模型的对数似然将是零。返回的交叉熵 log_loss 是负对数可能性。因此,偏差是简单的。

def deviance(X, y, model):
    return 2*metrics.log_loss(y, model.predict_log_proba(X))

我知道这是一个很晚的答复,但我希望它无论如何都有帮助。

你不能在scikit learn中做,但请查看 状态模型 , GLMResults ( API )