方差膨脹系數(variance inflation factor，VIF)是衡量多元線性回歸模型中復 (多重)共線性嚴重程度的一種度量。它表示回歸系數估計量的方差與假設自變量間不線性相關時方差相比的比值。 　　多重共線性是指自變量之間存在線性相關關系，即一個自變量可以是其他一個 ...

本文出處：https://www.pythonheidong.com/blog/article/891810/fca72fefb44eebb191e8/ 1.多重共線性概念 共線性問題指的是輸入的自變量之間存在較高的線性相關度。共線性問題會導致回歸模型的穩定性和准確性大大降低，另外，過多 ...

0x00 概述 在進行線性回歸分析時，容易出現自變量（解釋變量）之間彼此相關的現象，我們稱這種現象為多重共線性。 適度的多重共線性不成問題，但當出現嚴重共線性問題時，會導致分析結果不穩定，出現回歸系數的符號與實際情況完全相反的情況。 本應該顯著的自變量不顯著，本不顯著的自變量卻呈現出顯著性 ...

在實際的計量經濟學問題中，完全滿足回歸的基本假設的情況並不多見。不滿足基本假定的情況。稱為違背基本假定 違背基本假定的情況主要包括： 隨機干擾項存在異方差 隨機干擾項的序列相關（或稱自相關） 解釋變量之間的多重共線 解釋變量為隨機變量，存在內生性 異方差性 ...

檢驗多重共線 如果發現存在多重共線性，可以采取以下處理方法。 (1)如果不關心具體的回歸系數，而只關心整個方程預測被解釋變量的能力，則通常可以不必理會多重共線性（假設你的整個方程是顯著的）。這是因為，多重共線性的主要后果是使得對單個變量的貢獻估計不准，但所有變量的整體效應仍可以較准確 ...

機器學習是時下流行AI技術中一個很重要的方向，無論是有監督學習還是無監督學習都使用各種“度量”來得到不同樣本數據的差異度或者不同樣本數據的相似度。良好的“度量”可以顯著提高算法的分類或預測的准確率，本文中將介紹機器學習中各種“度量”，“度量”主要由兩種，分別為距離、相似度和相關系數 ...

#轉自氣象家園# 相關系數的檢驗主要有兩種方法,一種是對假設 “相關系數ρ=0” 的t檢驗，另一種是對假設 “相關系數ρ≠0”的z檢驗。 關於t檢驗(檢驗r是否顯著，即檢驗r是否不等於零） 1 根據r和n計算得到t ...

特征預處理： 什么是特征預處理？ 通過一些轉換函數將特征數據轉換成更加適合算法模型的特征數據過程。 我們需要用到一些方法進行無量綱化，使不同規格的數據轉換到同一規格 為什么我們要進行歸一化/標准化？ 特征的單位或者大小相差較大，或者某特征的方差相比其他的特征要大出幾個 ...