讲师中心 微信公众号

工具推荐

视频效率加速
AniShort
AniShort

AI短剧协同制作平台

SoundView
SoundView

字幕擦除翻译、配音口型同步

Seko
Seko

AI短剧一键生成成片

剧云
剧云

中文短剧剧本制作平台

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

发布时间:2026-11-19 09:36:01

|

252人浏览过

|

来源于php中文网

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。

立即学习“Python免费学习笔记(深入)”;

  • 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。

热门AI工具

更多
豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

笔灵降AI

一款AI论文写作工具,主要用于论文降AI神器,适配知网及维普!一键降至安全线,100%保留原文格式;无口语化问题,文风更学术,降后字数控制最佳!,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

二狗PPT
二狗PPT Hot

一款AI演示文稿工具,主要用于专为中式职场打造的AI PPT生成工具,适合需要提升相关任务效率的用户。

墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

PixPix
PixPix Hot

PixPix是一款面向电商视觉生产的AI商品图生成工具。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

PixTV
PixTV Hot

PixTV是一款面向AIGC内容创作的AI视频生成工具。

UP简历
UP简历 Hot

一款AI办公效率工具,主要用于基于AI技术的免费在线简历制作工具,适合需要提升相关任务效率的用户。

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。

1951

2023.07.20

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。

5564

2023.07.25

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。

1889

2023.07.31

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。

33997

2023.08.03

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。

3987

2023.08.04

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。

3987

2023.08.04

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。

1283

2023.08.11

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。

636

2023.08.10

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn