短版本：我对一些数据使用了scikit LinearRegression，但我习惯于p值，所以将数据放入统计模型OLS中，尽管R^2大致相同，但变量系数都有很大的不同。这让我很担心，因为最有可能的问题是我在某个地方犯了错误，现在我对任何一个输出都没有信心(因为我可能错误地制作了一个模型，但不知道是哪一个)。
更长的版本：因为我不知道问题在哪里，我不知道该包括哪些细节，包括所有内容可能太多了。我也不确定是否包含代码或数据。
我的印象是，scikit的LR和statsmodels OLS都应该进行OLS，据我所知，OLS就是OLS，所以结果应该是一样的。
对于scikit的LR，无论我是否设置normalize=True或=False，结果(统计上)都是相同的，我觉得这有点奇怪。
对于统计模型OLS，我使用sklearn中的StandardScaler对数据进行归一化。我添加了一列1，这样它就包含了一个截距(因为scikit的输出包含了一次截距)。点击此处了解更多信息：http://statsmodels.sourceforge.net/devel/examples/generated/example_ols.html(添加此列并没有显著改变可变系数，截距非常接近零。)StandardScaler不喜欢我的int不是浮点值，所以我尝试了这样做：https://github.com/scikit-learn/scikit-learn/issues/1709这使得警告消失了，但结果完全相同。
当然，我在sklearn方法中使用了5倍的cv(每次测试和训练数据的R^2都是一致的)，而对于统计模型，我只是把所有的数据都扔了出去。
对于sklearn和statsmodels来说，R^2大约是0.41(这对社会科学有好处)。这可能是个好兆头，也可能只是个巧合。
数据是魔兽世界中化身的观察结果(来自http://mmnet.iis.sinica.edu.tw/dl/wowah/)这本书我想每周都会有一些不同的特色。最初，这是一个数据科学课程的课堂项目。
自变量包括一周内的观察次数(int)、字符级别(int)，如果在公会中(布尔值)，当看到时(布尔值在工作日、工作日前夕、工作日晚，周末也是三个)，字符类的伪值(在数据收集时，魔兽世界中只有8个类，因此有7个伪变量，原始字符串类别变量被删除)，以及其他。
因变量是每个角色在该周内获得的级别(int)。
有趣的是，类变量中的一些相对顺序是在statsmodels和sklearn之间保持的。因此，"当看到"的等级顺序是相同的，尽管负载非常不同，而角色类假人的等级顺序也是相同的，虽然负载也非常不同。
我认为这个问题与这个问题类似：Python统计模型OLS和R'；s lm
我在Python和统计方面做得足够好，可以成功，但还不够好，无法想出这样的办法。我试着阅读sklearn文档和statsmodels文档，但如果答案就在那里，我就不明白了。
我很想知道：
- 哪种输出可能是准确的？(当然，如果我错过了一场比赛，他们可能都是。)
- 如果我犯了一个错误，它是什么？如何修复
- 我能不用问这里就知道这一点吗？如果是的话，我是怎么想的
我知道这个问题有一些相当模糊的部分(没有代码，没有数据，没有输出)，但我认为它更多的是关于两个包的一般过程。当然，一个似乎是更多的统计数据，一个看起来是更多的机器学习，但它们都是OLS，所以我不明白为什么输出不一样。
(我甚至尝试了其他一些OLS调用来进行三角测量，其中一个给出了低得多的R^2，一个循环了五分钟，我杀死了它，还有一个崩溃了。)
谢谢！
听起来您没有向两个过程提供相同的回归矩阵X(但请参见下文)。这里有一个示例，向您展示了sklearn和statsmodel需要使用哪些选项才能产生相同的结果。
import numpy as np
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression
# Generate artificial data (2 regressors + constant)
nobs = 100
X = np.random.random((nobs, 2))
X = sm.add_constant(X)
beta = [1, .1, .5]
e = np.random.random(nobs)
y = np.dot(X, beta) + e
# Fit regression model
sm.OLS(y, X).fit().params
>> array([ 1.4507724 , 0.08612654, 0.60129898])
LinearRegression(fit_intercept=False).fit(X, y).coef_
>> array([ 1.4507724 , 0.08612654, 0.60129898])
正如一位评论者所建议的那样，即使你给两个程序都给定了相同的X，X也可能没有完整的列秩，他们可能会在后台采取(不同的)行动来完成OLS计算(即删除不同的列)。
我建议您使用pandas和patsy来处理以下问题：
import pandas as pd
from patsy import dmatrices
dat = pd.read_csv('wow.csv')
y, X = dmatrices('levels ~ week + character + guild', data=dat)
或者，statsmodels公式接口：
import statsmodels.formula.api as smf
dat = pd.read_csv('wow.csv')
mod = smf.ols('levels ~ week + character + guild', data=dat).fit()
编辑：此示例可能很有用：http://statsmodels.sourceforge.net/devel/example_formulas.html
如果您使用statsmodels，我强烈建议您改用statsmodel公式接口。使用statsmodels公式接口，您将从OLS中获得与从sklearn.linear_model.LinearRevision、R、SAS或Excel中相同的旧结果。
smod = smf.ols(formula ='y~ x', data=df)
result = smod.fit()
print(result.summary())
如有疑问，请
- 尝试读取源代码
- 尝试使用不同的语言进行基准测试，或者
- 从头开始尝试OLS，它是基本的线性代数
我只是想在这里补充一点，就sklearn而言，它不使用OLS方法进行线性回归。由于sklearn来自数据挖掘/机器学习领域，他们喜欢使用最陡下降梯度算法。这是一种对初始条件等敏感的数值方法，而OLS是一种分析闭合形式的方法，因此应该预料到差异。所以统计模型来自于经典的统计学领域，所以它们将使用OLS技术。因此，来自两个不同库的两个线性回归之间存在差异