这里简单介绍一下VIF系数的作用，具体的我也未了解。
问题：假如，我们要用 x 1 ， x 2 x_1，x_2 x1，x2去拟合函数 y y y。同时， x 1 ， x 2 x_1，x_2 x1，x2之间相关性很强，如 x 1 = 2 x 2 x_1=2x_2 x1=2x2。
假如得到的拟合函数为： y = 3 x 1 − x 2 y=3x_1-x_2 y=3x1−x2；
从拟合的结果看来，自变量 x 2 x_2 x2和因变量 y y y之间是负相关关系；
可实际上如果换算，有 y = 5 x 2 y=5x_2 y=5x2，是正相关关系；
这说明变量 x 2 x_2 x2与其余自变量之间存在严重的多重共线性。
通过VIF系数，可以检查出变量与其他变量之间的线性关系，如果某变量的VIF系数越大，意味着它与其他特征的线性相关性越大，可以进行丢弃；
关键代码：
import pandas as pd from statsmodels.stats.outliers_influence import variance_inflation_factor data_df = pd.read_csv(...) data_vif = pd.DataFrame(index=data_df.columns) data_vif['vif'] = [variance_inflation_factor(data_df.values, i) for i in range(data_df.shape[1])] 版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/205944.html原文链接：https://javaforall.net
