R语言回归分析时报错/警告“用秩缺乏拟合来进行预测的结果很可能不可靠”的原因及解决办法

问题描述在做回归分析时，拟合出的模型警告如下用秩缺乏拟合来进行预测的结果很可能不可靠原因 &解决方法存在强相关的自变量，也就是X矩阵是 “非满秩”的。这时可以去掉这些强相关的自变量再做回归。如果是使用glm模型时有这种警告，也可能是 “target 完全线性可分”导致的。这时直接用简单线性回归就可以了，如果一定想使用glm的话，可以通过去掉使得target完全线性可分的变量，然后再用glm

猛狗哭泣

5468人浏览 · 2020-07-17 23:59:02

猛狗哭泣 · 2020-07-17 23:59:02 发布

问题描述

在做回归分析时，拟合出的模型警告如下

用秩缺乏拟合来进行预测的结果很可能不可靠

原因 & 解决方法

存在强相关的自变量，也就是X矩阵是 “非满秩”的。这时可以去掉这些强相关的自变量再做回归。（可以用自带的vif函数检查多重共线性，然后做标准化或许stepwise去除共线性）
如果是使用glm模型时有这种警告，也可能是 “target 完全线性可分”导致的。这时直接用简单线性回归就可以了，如果一定想使用glm的话，可以通过去掉使得target完全线性可分的变量，然后再用glm

魔乐社区

魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。

更多推荐

【计算机视觉】Pixel逐像素分类&Mask掩码分类理解摘要

魔乐社区

计算机视觉（opencv）实战三十二——CascadeClassifier 人脸微笑检测（摄像头）

本文从原理到实现，详细介绍了基于 OpenCV Haar 分类器的人脸与微笑检测：讲解了 Haar 特征和级联检测原理。对代码逐行拆解并解释参数含义。画出完整流程图，帮助理解执行过程。给出了常见问题和优化建议，甚至扩展到深度学习方法。这种方法简单、轻量、实时性好，非常适合入门和小型应用项目。但如果需要更高准确率和更强鲁棒性，建议使用深度学习检测器替代 Haar 分类器。