机器学习-线性回归补充-实践
Posted grayling
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习-线性回归补充-实践相关的知识，希望对你有一定的参考价值。
线性回归分析过程中可能会遇到的问题
选定自变量时候要注意：去除多重共线性干扰
什么是多重共线性干扰？
强相关变量
多重共线性
避免将两个强相关变量输入到一个模型中，解决办法是只保留一个。
消除多重共线性的方法：
如果GVIF>10 则需要调整
如何挑选输入模型的自变量
输入的自变量多是有好处的，能够提升回归模型的准确性。另一方面，建设输入的自变量也是有好处的，可以方便业务同事理解。
权衡自变量多少的标准：
用olsrr包的ols_all_possible()函数
以上数据都计算出来后就可以创建线性回归模型
分析模型
以上是关于机器学习-线性回归补充-实践的主要内容，如果未能解决你的问题，请参考以下文章
机器学习入门实践——线性回归&非线性回归&mnist手写体识别