❓ Что такое мультиколлинеарность и почему она опасна для регрессионных моделей

Мультиколлинеарность — это ситуация, когда два или более признака сильно коррелируют между собой.

Последствия:
— Коэффициенты модели становятся нестабильными и трудно интерпретируемыми.
— Стандартные ошибки увеличиваются, снижается статистическая значимость признаков.
— Модель хуже обобщается на новые данные.

Решения:
— Удалить один из коррелирующих признаков.
— Применять регуляризацию (Ridge/Lasso).
— Использовать методы снижения размерности (PCA).

🐸 Библиотека собеса по Data Science