线性回归中的虚拟变量陷阱答案

【问题标题】：Dummy Variable Trap in Linear Regression线性回归中的虚拟变量陷阱
【发布时间】：2018-08-19 00:23:23
【问题描述】：

我有一个包含分类属性状态的数据集，可以包含纽约、加利福尼亚和佛罗里达。

【问题讨论】：

我需要一个理论上的解释。为什么我们需要删除一个变量？
它被称为虚拟变量陷阱。虚拟变量陷阱是自变量是多重共线性的场景——两个或多个变量高度相关的场景；简单来说，一个变量可以从其他变量中预测出来。因此删除了一个变量。（取自这里：algosome.com/articles/dummy-variable-trap-regression.html）

【解决方案1】：

这并不总是必要的，但想法是，如果分类属性覆盖所有空间（即您的虚拟变量代表该属性的所有可能值），那么最后一个虚拟变量可以由其他 N 完美预测-1 个假人：

last_dummy = 1 if all sum(dummies[:N-1]) == 0 else 0

这会在您的虚拟变量之间引入严重的共线性（这在线性/逻辑回归中是非常不受欢迎的事情），这就是为什么它被称为 虚拟变量陷阱。

通常，解决此问题的方法是删除一个虚拟列（任何都可以，它不必是最后一个）。这消除了共线性的来源，并且由于无论如何其他人都可以预测假人，因此原始数据集中完全没有信息丢失。

【讨论】：

【解决方案2】：

由于截距，您总是需要在每个级别删除一个虚拟变量假设您在一周中的某一天有 7 个虚拟变量参考将是星期一与其他人相比

如果您删除拦截，那么您可以添加星期一。但是只有在非常特殊的情况下才能删除拦截

【讨论】：