Python中statsmodels逻辑回归predict_proba的等价实现方法？

statsmodels的LogitResults对象确实没有predict_proba方法，但你可以通过现有方法轻松实现相同功能：

• 正类（y=1）的概率：直接调用model.predict(X_test)，这个方法默认返回的就是样本属于正类的概率，对应sklearn中predict_proba(X_test)[:,1]的结果。
• 负类（y=0）的概率：用1 - 正类概率计算得到，对应sklearn中predict_proba(X_test)[:,0]的结果。

具体代码示例 #

# 获取正类概率（对应sklearn的predict_proba[:,1]）
y_proba_1 = model.predict(X_test)

# 计算负类概率（对应sklearn的predict_proba[:,0]）
y_proba_0 = 1 - y_proba_1

如果需要和sklearn的predict_proba输出格式完全一致（每行包含[0类概率, 1类概率]的二维数组），可以用numpy拼接：

import numpy as np

# 生成和sklearn格式相同的概率数组
y_proba = np.column_stack((y_proba_0, y_proba_1))

补充说明 #

statsmodels的Logit模型predict方法本质是对模型的线性预测结果（对数几率）应用sigmoid函数，直接输出P(y=1|X)，这正是你需要的正类概率，不需要额外调用其他方法。

内容的提问来源于stack exchange，提问作者dingaro