获得置信区间的一种方法是引导您的数据，例如，$B$时间和拟合逻辑回归模型$m_i$到数据集$B_i$为了$i = 1, 2, ..., B$. 这为您提供了您正在估计的参数的分布，您可以从中找到置信区间。

简短的回答是 sklearn LogisticRegression 没有内置方法来计算 p 值。然而，这里有一些其他的帖子讨论了这个问题的解决方案。

https://stackoverflow.com/questions/27928275/find-p-value-significance-in-scikit-learn-linearregression

https://stackoverflow.com/questions/22306341/python-sklearn-how-to-calculate-p-values

根据 Github 讨论#6773和#13048，这仍然没有实现，也没有计划，因为它似乎超出了 sklearn 的范围 。

但是，关于线性模型的文档现在提到（P 值估计注释）：

• 在没有惩罚的情况下，理论上可以得到系数的 p 值和置信区间。
• statsmodels包本身就支持这一点。
• 在 sklearn 中，可以使用自举。

似乎可以修改 LinearRegression 类以根据此Github 代码从线性代数计算 p 值。