如何处理线性回归中虚拟变量的共线性？

Question

我正在使用scikit-learnLogisticRegression对一个家庭特征数据集进行分析，并试图理解如何准备自变量。在

我创建了二进制虚拟变量来代替分类变量。 e、 g.变量DWELLING_TYPE有3个可能的值DetachedHouse、SemiDetached和{}被3个二元变量DWELLING_TYPE_DetachedHouse，DWELLING_TYPE_SemiDetached和住宅类型}{}1or0`。在

显然这三个变量是相互依赖的（共线性？）因为如果其中一个变量是1，那么另外2个变量必须是0。我的理解是，对于Logistic回归来说，协线性应该最小化，那么我应该从输入矩阵中省略其中一个变量吗？在

Answer 1

是的。这是一个很好的做法。当你把你的分类变量转换成虚拟变量时，你可以去掉其中一个。它将减少您的输入特性的冗余。在

在python中，您可以使用pd.get_dummies来完成

pd.get_dummies(df, columns=categorical_columns, drop_first=True)

将先删除参数设置为True将对您有效。在