简短版本：我在一些数据上使用了scikit LinearRegression，但是我习惯了p值，所以将数据放入statsmodels OLS，尽管R ^ 2大致相同，但变量系数都大不相同。这让我很担心，因为最可能的问题是我在某个地方犯了错误，现在我对这两个输出都没有信心（因为我可能错误地制作了一个模型，但不知道哪个模型）。
更长的版本：因为我不知道问题出在哪里，我不确切地知道要包括哪些细节，包括一切可能都太多了。我也不确定包含代码或数据。
我的印象是scikit的LR和statsmodels OLS都应该做OLS，据我所知OLS是OLS所以结果应该是相同的。
对于scikit的LR，结果是（统计上）相同，无论我是否设置normalize = True或= False，我觉得有点奇怪。
对于statsmodels OLS，我使用来自sklearn的StandardScaler来规范化数据。我添加了一列，因此它包含一个拦截（因为scikit的输出包括一个拦截）。更多关于这一点：http://statsmodels.sourceforge.net/devel/examples/generated/example_ols.html（添加此列没有将变量系数更改为任何显着的程度，并且截距非常接近于零。）StandardScaler不喜欢我的int不是浮点数，所以我试过这个：https://github.com/scikit-learn/scikit-learn/issues/1709那个使警告消失但结果完全相同。
当然，我使用5倍cv进行sklearn方法（每次R ^ 2对于测试和训练数据都是一致的），对于statsmodels我只是把它全部丢弃。
sklearn和statsmodels的R ^ 2约为0.41（这对社会科学有益）。这可能是一个好兆头或只是巧合。
这些数据是对WoW（来自http://mmnet.iis.sinica.edu.tw/dl/wowah/）中的化身的观察，我每周都要用它来制作一些具有不同特征的化身。最初这是一个数据科学课的课程项目。
独立变量包括一周中观察的数量（int），角色等级（int），如果在公会中（布尔），当看到时（工作日的布尔，平日前夕，工作日晚，周末相同的三个），对于字符类的虚拟（在数据收集时，在WoW中只有8个类，因此有7个虚拟变量并且原始字符串分类变量被删除），以及其他类。
因变量是每个字符在该周（int）中获得的级别数。
有趣的是，类似变量中的一些相对顺序在statsmodels和sklearn之间保持不变。因此，尽管负载非常不同，但“看到”的等级顺序是相同的，并且角色类假人的等级顺序是相同的，尽管负载是非常不同的。
我认为这个问题类似于这个问题：Difference in Python statsmodels OLS and R's lm
我在Python和统计数据方面做得很好，但是还不够好，无法想象这样的东西。我试着阅读sklearn docs和statsmodels docs，但是如果答案就在那里，我不理解它。
我会很高兴知道：
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，一个似乎更多的统计数据，似乎更多的机器学习，但他们都是OLS所以我不明白为什么输出不一样。
（我甚至尝试了一些其他的OLS调用三角测量，一个给了一个低得多的R ^ 2，一个循环了五分钟而我杀了它，一个崩溃了。）
谢谢！
听起来你没有向两个程序提供相同的回归量X矩阵（但见下文）。下面是一个示例，向您展示需要使用哪些选项来生成相同结果的sklearn和statsmodel。
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])
正如一位评论者建议的那样，即使你给两个程序提供相同的X，X也可能没有完整的列级别，并且他们可以在幕后进行（不同的）动作以使OLS计算通过（即丢弃不同的列）。
我建议你使用pandas和patsy来处理这个问题：
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，或者，statsmodels公式界面：
import statsmodels.formula.api as smf
dat = pd.read_csv('wow.csv')
mod = smf.ols('levels ~ week + character + guild', data=dat).fit()
编辑：这个例子可能很有用：http://statsmodels.sourceforge.net/devel/example_formulas.html
我只想在这里添加，就sklearn而言，它并没有使用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Steepest Descent Gradient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方法，因此应该预期差异。因此，statsmodels来自经典统计领域，因此他们将使用OLS技术。因此，来自2个不同库的两个线性回归之间存在差异
如果你使用statsmodels，我强烈建议使用statsmodels公式接口。您将使用statsmodels公式接口从OLS获得与sklearn.linear_model.LinearRegression或R，或SAS或Excel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