校正多特征数据集中的多重共线性

Question

我有一个具有10个功能的数据集（X_train）。我正在检查10个要素之间的多重共线性，目的是将要素数量减少到最少。我正在使用每两个要素之间的spearman相关性统计信息将该数字与Bonferroni进行比较（alpha /观察数，将10个要素相互比较时应为81）

下面的代码仅生成9个p值，而不是81个

def p_values(n_features):
    p_values_list = []
    n_features = X_train.shape[1]
    for i in range(n_features):
        for j in range(i + 1, n_features):
            p_value = sps.spearmanr(X_train[:, i], X_train[:, j])[1]
            p_values_list.append(p_value)
        return p_values_list   

print(p_values(n_features))

在数据集中有10个特征时，我希望将每个特征与另外9个多重共线性进行比较时会看到81个p值。取而代之的是，我只有9。然后，我需要将具有简单Bonferroni校正的p值与临界alpha值进行比较，以查看哪些虚假假设被拒绝，哪些虚假假设不被拒绝