用Sklearn和Statsmodels来做linear_regression和Logistic_regression注意事项

用Sklearn和Statsmodels来做linear_regression和Logistic_regression注意事项，区别。主要在于 intercept 项，和 regularization。

X = np.array([-1, 0, 1])  # 自变量
Y = np.array([-2, 0, 5])  # 因变量

一、Linear regression 的截距项

又叫 intercept, constant, bias

1. 在使用 statsmodels 进行线性回归时，
   (1) 通常需要手动添加常数项（即截距），因为 statsmodels 的 OLS 默认不包括截距。这可以通过使用 statsmodels.tools.add_constant 函数来实现。例如，如果你有一个因变量 y 和一个自变量 X，你可以这样添加常数项：

import statsmodels.api as sm

X = sm.add_constant(X)  # 添加常数项
model = sm.OLS(Y, X).fit()

这样，X 中就会包含一个值全为