我们是否总是需要删除用于单热编码的列以防止多重共线性？ 在这里的解决方案（https://www.kaggle.com/omarelgabry/titanic/a-journey-through-titanic/comments#138896）中提到了
@Kevin Chang你需要删除一列虚拟变量 避免多重共线性的状态。这是一个非常高的状态 列之间的相关性（自变量）;意思是 一个可以从其他人预测。因此，它是一种类型 干扰数据，如果数据中存在统计数据 关于数据的结论可能不太可靠。
在这里的解决方案中，不存在多重共线性 https://www.kaggle.com/sharmasanthosh/allstate-claims-severity/exploratory-study-on-ml-algorithms
我可以知道这是必须的，还是我们应该在什么情况下迎合这一点？
答案 0 :(得分：1)
如果我必须回答你的问题"Do we always need to remove a column for one-hot encoding to prevent multicollinearity?"，答案是肯定的。
防止多重共线性的常用方法是从模型中删除高度相关的预测变量。如果您有两个或更多具有高VIF的因子，请从模型中删除一个。因为它们提供冗余信息，所以去除其中一个相关因子通常不会降低R平方。
或者您可以使用偏最小二乘回归（PLS）或主成分分析，回归方法将预测变量的数量减少到较小的不相关分量集。