다중공선성 해결

안녕하세요. 이전 시간에 다중공선성을 해결하는 3가지 방법에 대하여 알려드렸고, 그 중 첫번째 방법인 변수 정규화에 대해 실습해 보았습니다.

이번 시간에는 두번째 방법인 VIF 기준 10이상의 변수들을 제거해 보도록 하겠습니다.

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

# train 데이터의 VIF 계수 출력

vif = pd.DataFrame()

vif["VIF Factor"] = [variance_inflation_factor(train.values, i) for i in range(train.shape[1])]

vif["features"] = train.columns 

vif

# 종속변수인 quality를 제외 한 vif 10이상 변수 제거

new_train = train.drop(['alcohol','fixed acidity','total sulfur dioxide','density','pH','sulphates'],axis=1)

# VIF 10이상의 변수 제거 후 VIF 다시 확인

new_train_df =  pd.DataFrame(new_train)

new_train_df.columns = new_train.columns

vif = pd.DataFrame()

vif["VIF Factor"] = [variance_inflation_factor(new_train_df.values, i) for i in range(new_train_df.shape[1])]

vif["features"] = new_train_df.columns 

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 #스케일링 #MinMaxScailing