Machine learning 线性回归中的虚拟变量陷阱

我有一个数据集，其中包含分类属性状态，可以采取纽约州，加利福尼亚州和佛罗里达州

• 在将这些值编码到虚拟变量中之后，为什么需要删除 一个变量
• 有人能解释一下什么是虚拟变量陷阱吗 线性回归中的情况
• 为什么我们需要将1个变量删除到 走出困境

---

这并非总是必要的，但其思想是，如果分类属性覆盖所有空间（即，您的虚拟变量代表属性的所有可能值），则其他N-1个虚拟变量可以完美预测最后一个虚拟变量：

last_dummy=1，如果所有和（dummies[：N-1]）==0，否则为0

这在虚拟变量之间引入了严重的共线性（这在线性/逻辑回归中是非常不可取的），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只删除一个虚拟列（任何一个都可以，它不必是最后一个）。这消除了共线性的来源，并且，由于虚拟变量可以由其他变量预测，因此原始数据集中的信息完全不会丢失。

由于截距，您始终需要在每个级别删除一个虚拟变量 假设一周中有7个虚拟变量 参考资料将于周一与其他参考资料进行比较

---

如果删除截取，则可以添加星期一。但删除截距只在非常特殊的情况下进行

我需要一个理论解释。为什么我们需要删除一个变量？它被称为虚拟变量陷阱。虚拟变量陷阱是一种自变量多重共线的情况——两个或多个变量高度相关的情况；简单来说，一个变量可以从其他变量中预测出来。因此，删除一个变量。（摘自这里：）谢谢。那么，如果我把所有的虚拟变量都包括在方程中，那么它和常数项有关系吗？我在某个地方读到，常数项和所有的虚拟变量不能在一个线性方程中结合在一起。不，不是真的。常数项（偏差）应该独立于其他变量。这里的问题是，每个虚拟变量都可以被其他变量预测，所以你需要拿出一个来“打破循环”。为什么我们不能让所有变量都有截距？有什么特别的原因吗？当你有完美的共线时，这个模型是不可解的。当截距与分类变量之和完全共线时，矩阵为奇异/退化矩阵。