我是Google Analytics（分析）领域的新手，对此我毫不怀疑。 我希望我能在这里得到答案。
我正在使用python实现Logistic回归。 如果我们需要对分类变量应用逻辑运算，我已经为此实现了get_dummies。假设列名称是房屋类型（海滩，山地和平原）。 在这种情况下，我们要做的是创建三个虚拟变量并删除其中一个，因为我们可以使用其他两个虚拟变量来推断Plain。
但是当我对数据实施RFE时。我是否需要包括所有3个变量？ （我在一些博客上看到了这一点，其中虚拟对象没有掉下来并感到困惑）
此外，我还需要添加一个拦截列，就像我使用statsmodel一样（它本身不会添加拦截）。因此，在这种情况下，如果存在多个类别变量（并且我们为每个变量都删除了一个虚拟对象），将不会有任何问题吗？
答案 0 :(得分：1)
您最终应该会看到多重线性，因为第三虚拟列始终与前两个和之和相反（如果它们等于0，则为1；如果它们等于1，则为0）。
应在选择功能（例如RFE）之前将其删除。
如果不这样做，则statsmodel将在摘要中发出警告，并且如果在拟合后检查要素的VIF，则会看到不可接受的分数，暗示了共线性要素。
无论如何，一旦完成，就可以使其中一个虚拟列实际上是一个常数，例如，如果您的数据集中没有海滨别墅。当常量存在时，statsmodel的默认行为将忽略add_constant语句。为了解决这个问题，您可以考虑使用has_constant参数，传递“ add”以表示即使已有常量列，您也希望得到拦截。
X = sm.add_constant(X, has_constant='add'）