이번에는 변수의 다중공선성을 확인하는 방법 중 하나인 VIF(Variance Inflation Factors, 분산팽창요인)에대해 알아 보겠습니다. 👋

VIF는 변수간의 다중공선성을 진단하는 수치이며 범위 1부터 무한대입니다.

통계학에서는 VIF 값이 10이상이면 해당 변수가 다중공선성이 잇는 것으로 판단 합니다.

VIF를 구하는 수식은 VIF_k = 1 / (1 - R_j²) 입니다.

여기서 VIF_k 는 k번째 변수의 VIF 값을 의미하고, R_j² 는 회귀분석에서 사용하는 결정계수 입니다.

-----------------------------------------------------------------------------------------------------------------------------------------

# 결과값을 저장할 VIF라는 이름의 리스트 생성

vif = []

# values atribution(속성) 이용해 train 데이터의 값만 추출

train_val = train.values

#  variance_inflation_factor 함수에 인자로 train_val (train 데이터의 값)과 인덱스 번호 지정  

# for문 이용

for i in range(len(train.columns)):

  vif.append(variance_inflation_factor(train_one.values, i))

vif

-----------------------------------------------------------------------------------------------------------------------------------------

[Colab 실습 링크]

↩️ 오늘의 파이썬 리스트

#데이콘_101 #AI #머신러닝 #딥러닝 #파이썬 #파이선  #데이터분석 #데이터사이언티스트 #코랩 #Python  #colab #kaggle #pandas #numpy #sckit-learn # read_csv