我是机器学习的新手，面对一种情况 如何在多元线性回归中删除多个自变量。 我已经完成的步骤：1）读取数据集2）分别分为X和Y 3）对分类数据进行编码，因为数据集包含列：教授排名，职业等... 4）删除虚拟变量5）OLS回归结果。
我有7个自变量，在OLS之后，我有6个自变量。由于P值大于0.05的显着性水平，因此被P> 0.05去除。
您能建议通过删除图像中所有不必要的自变量来绘制图形的步骤吗？如何从所有这些变量中仅一个自变量。
如何使用python检查多重共线性？什么是VIF以及如何使用它检测多重共线性
先谢谢了。 很抱歉有语法错误。
答案 0 :(得分：2)
很难形象化多维线性关系。 This post分享了一些常见的可视化方法。
多重共线性是回归的大问题，这会导致Beta中的系数怪异。 VIF是用于检测此情况的工具之一。通常，VIF越接近1越好。
如果您具有多重共线性，则可能要继续使用以下选项之一：
