方差膨胀系数(variance inflation factor，VIF)是衡量多元线性回归模型中复 (多重)共线性严重程度的一种度量。它表示回归系数估计量的方差与假设自变量间不线性相关时方差相比的比值。 　　多重共线性是指自变量之间存在线性相关关系，即一个自变量可以是其他一个 ...

本文出处：https://www.pythonheidong.com/blog/article/891810/fca72fefb44eebb191e8/ 1.多重共线性概念 共线性问题指的是输入的自变量之间存在较高的线性相关度。共线性问题会导致回归模型的稳定性和准确性大大降低，另外，过多 ...

0x00 概述 在进行线性回归分析时，容易出现自变量（解释变量）之间彼此相关的现象，我们称这种现象为多重共线性。 适度的多重共线性不成问题，但当出现严重共线性问题时，会导致分析结果不稳定，出现回归系数的符号与实际情况完全相反的情况。 本应该显著的自变量不显著，本不显著的自变量却呈现出显著性 ...

在实际的计量经济学问题中，完全满足回归的基本假设的情况并不多见。不满足基本假定的情况。称为违背基本假定 违背基本假定的情况主要包括： 随机干扰项存在异方差 随机干扰项的序列相关（或称自相关） 解释变量之间的多重共线 解释变量为随机变量，存在内生性 异方差性 ...

检验多重共线 如果发现存在多重共线性，可以采取以下处理方法。 (1)如果不关心具体的回归系数，而只关心整个方程预测被解释变量的能力，则通常可以不必理会多重共线性（假设你的整个方程是显著的）。这是因为，多重共线性的主要后果是使得对单个变量的贡献估计不准，但所有变量的整体效应仍可以较准确 ...

机器学习是时下流行AI技术中一个很重要的方向，无论是有监督学习还是无监督学习都使用各种“度量”来得到不同样本数据的差异度或者不同样本数据的相似度。良好的“度量”可以显著提高算法的分类或预测的准确率，本文中将介绍机器学习中各种“度量”，“度量”主要由两种，分别为距离、相似度和相关系数 ...

#转自气象家园# 相关系数的检验主要有两种方法,一种是对假设 “相关系数ρ=0” 的t检验，另一种是对假设 “相关系数ρ≠0”的z检验。 关于t检验(检验r是否显著，即检验r是否不等于零） 1 根据r和n计算得到t ...

特征预处理： 什么是特征预处理？ 通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程。 我们需要用到一些方法进行无量纲化，使不同规格的数据转换到同一规格 为什么我们要进行归一化/标准化？ 特征的单位或者大小相差较大，或者某特征的方差相比其他的特征要大出几个 ...