Keras逻辑回归权重：剂量与疾病结局OR值及Fisher检验对比

我最近在做一项分析任务：用Keras搭建逻辑回归模型，建立剂量值（数据形状为(672,1)）和二分类疾病结局（数据形状为(672,1)，结局取值为0或1）之间的关联。我的核心目标是计算模型权重对应的优势比（Odds Ratio, OR）——也就是权重的指数结果exp(weights)，之后还要把这个OR和Fisher检验得到的结果做对比。

我目前写的代码框架如下：

from keras.models import Sequential
from keras.layers import Dense, Activation
from keras import layers
import numpy as np

class logit:
    def lg_keras(self, input_dim, output_dim, ep, X, y):
        # 构建逻辑回归模型
        model = Sequential()
        # 逻辑回归本质是单输出的全连接层+Sigmoid激活
        model.add(Dense(output_dim, input_dim=input_dim, activation='sigmoid'))
        # 编译模型：二元交叉熵损失+适配的优化器
        model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
        # 训练模型
        model.fit(X, y, epochs=ep, batch_size=32, verbose=0)
        # 提取模型权重并计算优势比
        # 权重矩阵形状为(input_dim, output_dim)，这里input_dim=1，所以取第一个元素
        weight_value = model.get_weights()[0][0][0]
        odds_ratio = np.exp(weight_value)
        return odds_ratio, model

（注：上面补充了完整的模型构建、训练和OR计算逻辑，你可以根据实际需求调整优化器、训练批次、迭代次数等参数；后续可以用scipy.stats.fisher_exact计算Fisher检验的OR值，再和模型输出的OR做对比）

内容的提问来源于stack exchange，提问作者Rohit Farmer