如何判断特征之间是否存在线性关系？

1、绘制散点图

观察点的分布情况：如果点大致沿直线分布，说明存在线性关系。

import matplotlib.pyplot as plt
import seaborn as sns
sns.scatterplot(x='feature1', y='feature2', data=df)
plt.title('Scatter Plot of Feature1 vs Feature2')
plt.show()
 

2、计算特征之间的相关系数

correlation = df['feature1'].corr(df['feature2'])
print('Pearson Correlation:', correlation)

相关系数的取值范围为[-1, 1]，接近 1 或 -1 表示强线性关系，接近 0 表示线性关系弱。

3、拟合线性回归模型并检查p值和t值。

import statsmodels.api as sm

X = df[['feature1']]  # 自变量
y = df['feature2']    # 因变量
X = sm.add_constant(X)  # 添加常数项
model = sm.OLS(y, X).fit()
print(model.summary())

对于每个特征，查看其 t 值和p值：
一般情况下，t 值的绝对值大于 2 可能表示该特征与目标变量之间存在一定的线性关系（但具体标准可以根据样本大小调整）。
如果 p 值小于 0.05，说明在 95% 的置信水平下，该特征与目标变量之间存在显著线性关系。

4、残差分析

拟合线性回归后，分析残差（预测值与实际值之间的差异）。如果残差图中的点随机分布，说明线性模型适合数据；如果存在明显模式，说明线性关系不够充分。