发现数据集中哪些特征是共线的

我构建了一个基于多个特征来预测房价的模型。

import statsmodels.api as statsmdlfrom sklearn import datasetsX = data[['NumberofRooms', 'YearBuilt','Type','NewConstruction']y = data["Price"]model = statsmdl.OLS(y, X).fit()predictions = model.predict(X)model.summary()

我如何找出这些特征中哪些是共线的?


回答:

您可以使用 DataFrame.corr() 方法。

示例:

In [27]: df = pd.DataFrame(np.random.randint(10, size=(5,3)), columns=list('abc'))In [28]: df['d'] = df['a'] * 10 - df['b'] / np.piIn [29]: df['e'] = np.log(df['c'] **2)In [30]: c = df.corr()In [31]: cOut[31]:          a         b         c         d         ea  1.000000  0.734858  0.113787  0.999837  0.067358b  0.734858  1.000000 -0.523635  0.722485 -0.598739c  0.113787 -0.523635  1.000000  0.129945  0.984257d  0.999837  0.722485  0.129945  1.000000  0.084615e  0.067358 -0.598739  0.984257  0.084615  1.000000In [32]: c[c >= 0.7]Out[32]:          a         b         c         d         ea  1.000000  0.734858       NaN  0.999837       NaNb  0.734858  1.000000       NaN  0.722485       NaNc       NaN       NaN  1.000000       NaN  0.984257d  0.999837  0.722485       NaN  1.000000       NaNe       NaN       NaN  0.984257       NaN  1.000000In [33]: c[c >= 0.7].stack().reset_index(name='cor').query("abs(cor) < 1.0")Out[33]:   level_0 level_1       cor1        a       b  0.7348582        a       d  0.9998373        b       a  0.7348585        b       d  0.7224857        c       e  0.9842578        d       a  0.9998379        d       b  0.72248511       e       c  0.984257

Related Posts

在使用k近邻算法时,有没有办法获取被使用的“邻居”?

我想找到一种方法来确定在我的knn算法中实际使用了哪些…

Theano在Google Colab上无法启用GPU支持

我在尝试使用Theano库训练一个模型。由于我的电脑内…

准确性评分似乎有误

这里是代码: from sklearn.metrics…

Keras Functional API: “错误检查输入时:期望input_1具有4个维度,但得到形状为(X, Y)的数组”

我在尝试使用Keras的fit_generator来训…

如何使用sklearn.datasets.make_classification在指定范围内生成合成数据?

我想为分类问题创建合成数据。我使用了sklearn.d…

如何处理预测时不在训练集中的标签

已关闭。 此问题与编程或软件开发无关。目前不接受回答。…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注