【发布时间】：2017-07-25 08:54:18
【问题描述】：
当我在单个自变量（连续）上建模我的因变量（连续）时，预测变量正以积极的方式影响因变量。但是，当我在多个自变量上建模相同的因变量时，单独建模时产生积极影响的自变量在具有多个自变量的最终模型中产生负面影响。这可能是什么原因？任何观点都会很好帮助。
【问题讨论】：
标签： r machine-learning statistics linear-regression
【发布时间】：2017-07-25 08:54:18
【问题描述】：
当您的“独立”变量实际上彼此相关时，可能会发生这种情况。简化示例：
y = x2-x1
x2 = 2*x1+e
which means y = x1+e (where e is random noise)
学习回归模型 y=f(x1) 会给我们 x1 的正权重，而学习 y=f(x1,x2) 可能会给我们相同变量的负权重。
【讨论】：
-
感谢您的回复...如果系数 filps 签名可以吗？还是我们必须采取一些措施来纠正它？
-
视情况而定。我会测试多重共线性（en.wikipedia.org/wiki/Multicollinearity），如果它很高，做一些事情（排除高度相关的变量，使用 PCA 转换数据，...）