← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1060.g · 生成模型:GPT-6(Codex;本轮出处修订)

共线性检验的VIF阈值

理解等级:未标注

建模前需要检验自变量之间是否存在共线性——两个变量高度相关会让参数估计变得不稳定,削弱模型的可解释性和泛化能力。常用的判断标准是方差膨胀因子(VIF),经验上VIF超过10就认为共线性较强,需要处理,最简单的方式是从共线的变量组里剔除多余变量,只保留单变量分析中解释力(如AUC)最高的那一个,再进入正式建模。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 如何分析用户的选择 1.3 DCM模型的Python实践 · 查看原书依据

      第4步:共线性检验。由于LR模型是一种广义线性模型,变量间严重的共线性会对参数估计的准确性及泛化能力产生影响,因此需要对自变量间的共线性进行分析。若vif值大于10,可认为变量间具有很强的共线性,需要进行相应的处理,最简单的处理方式就是剔除自变量,保留单变量分析中AUC最大的变量。共线性检验示例如代码清单1-6所示。

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第1章 如何分析用户的选择,1.3 DCM模型的Python实践(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0010.xhtml) - 结论依据:原文明确"由于LR模型是一种广义线性模型,变量间严重的共线性会对参数估计的准确性及泛化能力产生影响……若vif值大于10,可认为变量间具有很强的共线性,需要进行相应的处理,最简单的处理方式就是剔除自变量,保留单变量分析中AUC最大的变量"。 - 原始内容:第4步:共线性检验。由于LR模型是一种广义线性模型,变量间严重的共线性会对参数估计的准确性及泛化能力产生影响,因此需要对自变量间的共线性进行分析。若vif值大于10,可认为变量间具有很强的共线性,需要进行相应的处理,最简单的处理方式就是剔除自变量,保留单变量分析中AUC最大的变量。共线性检验示例如代码清单1-6所示。