Scikit-learn: 添加对删除共线变量的支持

创建于 2020-02-03  ·  3评论  ·  资料来源: scikit-learn/scikit-learn

描述您要启用的工作流程

我们可以在 LinearRegression 中添加一个可以消除数据中的共线性（精确共线性）的特征吗？

描述您提出的解决方案

我的建议是添加一个额外的参数，如 remove_collinearity，如果它是由用户设置的，那么我们可以使用矩阵的秩或使用 VIF 的共线变量删除精确的共线变量。 这可以节省一些时间，而不是进行岭回归。

New Feature
资料来源
picture divyaprabha123

最有用的评论

这是在这里作为特征选择转换器工作的： https :

picture thomasjpfan 于 2020-02-03
👍2

所有3条评论

将它作为sklearn.feature_selection的预处理器可能会更好，这样它就可以应用于多个估计器。 我不确定确切的共线性是一个常见的问题。 也许是具有用户定义的特征相关阈值的估计器？

我不确定这是不是经常做的事情，而不是说特征聚类？ 后者可以在带有 cluster.FeatureAgglomeration 的 scikit-learn 中完成，尽管与所需的 n_clusters 的接口可能并不理想。

抄送@glemaitre

rth picture rth 于 2020-02-03

这是在这里作为特征选择转换器工作的： https :

thomasjpfan picture thomasjpfan 于 2020-02-03
👍2

确实谢谢。 然后将此问题作为https://github.com/scikit-learn/scikit-learn/issues/13405的副本关闭。 如果您有其他意见或建议@divyaprabha123，请在那里发表评论。

rth picture rth 于 2020-02-03
👍1
此页面是否有帮助？
0 / 5 - 0 等级

相关问题

yinruiqing picture yinruiqing  ·  3评论
ben519 picture ben519  ·  3评论
murata-yu picture murata-yu  ·  3评论
rth picture rth  ·  3评论
celiafish picture celiafish  ·  4评论