如果用于设计因变量，我可以使用变量作为解释变量吗？答案

【问题标题】：Can I use a variable as an explanatory variable if it is used to devise the dependant variable?如果用于设计因变量，我可以使用变量作为解释变量吗？
【发布时间】：2019-09-17 07:31:03
【问题描述】：

我正在尝试创建 3 个分类模型：朴素贝叶斯、随机森林和 SVM。

我试图预测的变量是具有“命中”或“失败”类别的 Film Verdict。我通过公式收入/预算设计了这个变量的值，如果这个公式的值是 1+，它被归类为命中，否则失败。

我的问题是：由于我已使用收入和预算来创建 Film Verdict 变量，我可以在模型中将这两个变量用作解释/自变量的一部分吗？

澄清：我还有其他几个变量，例如 ActorRating、Tweet Polarity 等，也用作输入变量。

【问题讨论】：

更重要的是，在您需要进行预测时，是否可以为新数据提供收入？否则，您将无法应用您的模型。

标签： r classification svm random-forest naivebayes

【解决方案1】：

它们的相关系数会很高，所以不应该使用。

【讨论】：

【解决方案2】：

是的，你可以。当您predict 时可以使用的任何东西都可以使用。但是，在您的示例中，模型将非常基本，并且可以很容易地从输入变量中导出输出变量。

您可能想了解更多内容：

Data Leakage: 在 train 中使用测试中的一些东西
Heteroscedasticity：当亚群与其他亚群具有不同的变异性时
Collinearity：自变量之间的高相关性
Overfitting：模型在训练和测试之间的表现如何

有些算法可以解决一些问题，因此了解这一点将帮助您找到最佳算法。

【讨论】：

感谢您的回复！我只是想知道使用它是否会影响预测，因为下面的答案中提到了高度相关性
它将为您提供 100% 的准确性。如果您的输出变量可以很容易地从输入变量导出，则不涉及机器学习。在现实世界的情况下，您不能手动从输入变量构建输出变量，否则您已经知道解决方案并且不需要 ML。