如何在Python中评估并降低数据特征之间的多重共线性VIF?

轻瑶小哥_9938

轻瑶小哥_9938

2026-11-19

252人浏览

原创

VIF不是“算出来就完事”的指标,必须结合特征语义、相关系数矩阵和迭代剔除逻辑使用;单纯因某特征VIF>10就删除,易损害业务可解释性或引发新问题。

如何在python中评估并降低数据特征之间的多重共线性vif?

直接说结论:VIF不是“算出来就完事”的指标,它必须配合特征语义、相关系数矩阵和迭代剔除逻辑一起用;单纯看某个特征VIF > 10 就删,大概率会破坏业务可解释性或引入新问题。

variance_inflation_factor 函数为什么总报错索引越界?

因为 variance_inflation_factor 的第二个参数是列索引(从 0 开始),但它要求输入矩阵已包含截距项——而很多人传的是原始 df.values,没加常数,导致索引错位。

  • 必须先调用 add_constant(df),再把结果传给 variance_inflation_factor
  • 此时原特征列从索引 1 开始(第 0 列是 const),所以循环里要用 i + 1 而不是 i
  • 如果用 df.columns.get_loc("feature_name") 查位置,记得查的是加 const 后的 DataFrame,不是原始 df
  • 列名含空格或特殊符号(如 "user id")会导致内部解析失败,报 ValueError: invalid literal for int()

为什么标准化(StandardScaler)不影响 VIF 结果?

VIF 基于线性回归的 R²,而 R² 对自变量的线性变换(平移、缩放)不变。所以无论你是否用 StandardScaler 或 MinMaxScaler 预处理,VIF 值都一样。

Python健壮编程
Python健壮编程

编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外

下载
  • 没必要为算 VIF 单独做标准化,省掉这步反而减少出错可能
  • 但如果你后续要跑 Ridge/Lasso,那该标准化还是得标准化——只是它和 VIF 计算无关
  • 注意:缺失值(NaN)会影响 R² 拟合,必须在调用前用 df.dropna() 或插补清理

如何安全地批量剔除高 VIF 特征?

不能只算一遍 VIF 然后删掉所有 >10 的列——剔除一个特征后,其余特征的 VIF 会重新分布,可能暴露出之前被掩盖的共线性。

  • 每次只删当前 VIF 最高的那个特征(不是所有 >10 的)
  • 删完立即用剩余列重新构造 exog,再全量重算一遍 VIF
  • 重复直到最大 VIF ≤ 阈值(建议初筛用 5,非强解释需求可用 10)
  • 优先删业务含义弱、或与最高 VIF 特征相关系数绝对值更大的那个(比如 "area_m2" 和 "rooms" 相关系数 0.92,留哪个更合理?看建模目标)

相关系数矩阵和 VIF 结果不一致怎么办?

这是正常现象。相关系数只反映两两线性关系,VIF 反映的是“一个变量能否被其余所有变量联合解释”。例如三个变量 A、B、C 两两相关性都不高(|r|

  • 必须同时看两者:相关系数矩阵帮你快速定位明显冗余对(如 "height_cm" 和 "height_m"),VIF 帮你揪出隐藏的多重依赖
  • 当某特征 VIF 高但所有两两相关系数都低,说明它的问题是“被多个变量共同解释”,不是简单冗余——这种情况下删它风险更高,建议改用 PCA 或组合新特征(如 area / rooms)
  • 类别变量必须先做 pd.get_dummies(..., drop_first=True),否则 dummy trap 会让 VIF 失真

真正容易被忽略的点是:VIF 阈值不是固定数字。样本量小( 5 就该干预;样本大(> 2000)且特征多,VIF > 7 可能已暗示结构问题。别死守 10 这个数,它只是教科书里的简化提醒。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5564

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33997

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3987

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3103

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程