1. Обучение
    2. /
  2. Курса
    3. /
  3. Обобщённые линейные модели в Python
Connected

Упражнение

Вычисление VIF

Как вы узнали из видео, одним из наиболее широко применяемых диагностических инструментов для выявления мультиколлинеарности является коэффициент инфляции дисперсии (VIF), который вычисляется для каждой объясняющей переменной.

Напомним, что практическое пороговое значение VIF равно 2,5: если VIF превышает 2,5, следует учитывать влияние мультиколлинеарности на подогнанную модель.

Ранее подогнанная модель model и набор данных crab уже загружены в рабочую среду.

Инструкции

100 XP
  • Импортируйте variance_inflation_factor из statsmodels.
  • Выберите из набора данных crab переменные weight, width и color и сохраните их как X. Добавьте в X столбец Intercept, заполненный единицами.
  • С помощью функции DataFrame() из pandas создайте пустой датафрейм vif и запишите в столбец Variables названия столбцов из X.
  • Для каждой переменной вычислите VIF с помощью функции variance_inflation_factor() и сохраните результат в датафрейме vif в столбце VIF.