VIF系数

这里简单介绍一下VIF系数的作用，具体的我也未了解。

问题：假如，我们要用$x_1，x_2$去拟合函数$y$。同时，$x_1，x_2$之间相关性很强，如$x_1=2x_2$。
假如得到的拟合函数为：$y=3x_1-x_2$；
从拟合的结果看来，自变量$x_2$和因变量$y$之间是负相关关系；
可实际上如果换算，有$y=5x_2$，是正相关关系；
这说明变量$x_2$与其余自变量之间存在严重的多重共线性。

通过VIF系数，可以检查出变量与其他变量之间的线性关系，如果某变量的VIF系数越大，意味着它与其他特征的线性相关性越大，可以进行丢弃；

关键代码：

import pandas as pd
from statsmodels.stats.outliers_influence import variance_inflation_factor

data_df = pd.read_csv(...)
data_vif = pd.DataFrame(index=data_df.columns)
data_vif['vif'] = [variance_inflation_factor(data_df.values, i) for i in range(data_df.shape[1])]

一般而言，当变量的VIF系数大于10时，说明其与其它变量存在严重的多重共线性，就要考虑进行丢弃了。
当自变量的容忍度大于0.1，方差膨胀系数小于10的范围是可以接受的，表明自变量之间没有共线性问题存在 。

简单解释VIF指数以及代码演示用法：
用 VIF 方法消除多维数据中的多重共线性
利用statsmodels计算VIF和相关系数消除共线性

用数学理论来解释的相关链接：
如何理解方差膨胀因子（Variance Inflation Factor，VIF）？