好好谈谈共线性问题
共线性，即 同线性或同线型。统计学中，共线性即 多重共线性。
多重共线性（Multicollinearity）是指线性回归模型中的解释变量之间由于存在精确 相关关系或高度相关关系而使模型估计失真或难以估计准确。
一般来说，由于经济数据的限制使得模型设计不当，导致设计 矩阵中解释变量间存在普遍的相关关系。完全共线性的情况并不多见，一般出现的是在一定程度上的共线性，即近似共线性。
1、先谈谈共线性的一般性的影响，
太多相关度很高的特征并没有提供太多的信息量，并没有提高数据可以达到的上限，相反，数据集拥有更多的特征意味着更容易收到噪声的影响，更容易收到特征偏移的影响等等，简单举个例子，N个特征全都不受到到内在或者外在因素干扰的概率为k，则2N个特征全部不受到内在或外在因素干扰的概率必然远小于k。这个问题实际上对于各类算法都存在着一定的不良影响；
2、然后谈谈线性回归和逻辑回归是怎么受到共线性影响的。
逻辑回归的梯度更新公式：
转为代码：
weights = weights - alpha * dataMatrix.transpose()* error其中alpha为学习率，dataMatrix.transpose()为原始数据的矩阵，error=y_pred-y_true.
从这里可以看出，共线性问题对于逻辑回归损失函数的最优化没影响，参数都是一样更新，一样更新到收敛为止。所以对于预测来说没什么影响。
那共线性会引发什么问题。。。。：
1、模型参数估计不准确，有时甚至会出现回归系数的符号与实际情况完全相反的情况，比如逻辑上应该系数为正的特征系数 算出来为负。
2、本应该显著的自变量不显著，本不显著的自变量却呈现出显著性（也就是说，无法从p-值的大小判断出变量是否显著——下面会给一个例子）
3、多重共线性使参数估计值的方差增大，模型参数不稳定，也就是每次训练得到的权重系数差异都比较大。
其实多重共线性这样理解会简单很多:
假设原始的线性回归公式为：
y=w1*x1+w2*x2+w3*x3
训练完毕的线性回归公式为：
y=5x1+7x2+10x3,
此时加入一个新特征x4，假设x4和x3高度相关，x4=2x3,则
y=w1*x1+w2*x2+w3*x3+w4*x4=w1*x1+w2*x2+(w3+2w4)*x3
因为我们之前拟合出来的最优的回归方程为：
y=5x1+7x2+10x3
显然w3+2w4可以合并成一个新的权重稀疏 w5，则
y=w1*x1+w2*x2+w5*x3,显然：
y=w1*x1+w2*x2+w3*x3和y=w1*x1+w2*x2+w5*x3是等价的。。。。
那么最终最优的模型应该也是 y=5x1+7x2+10x3
但是考虑到引入了x4，所以w4和w3的权重是分开计算出来的，这就导致了
w5=10=w3+2w4，显然这个方程有无穷多的解，比如w3=4，w4=3，或者w4=-1，w3=12等，因此导致了模型系数估计的不稳定并且可能会出现负系数的问题。
下面的图和链接都不错。
glfkuan：模型中存在共线性问题，该怎么破？
先从线性回归说起。
关于statsmodel，这里也介绍了每个指标的含义：
https://blog.csdn.net/zm147451753/article/details/83107535这一篇已经解释的非常好了。做一些补充吧。打比赛的时候线性回归的这些检验基本没什么人做，但是业务上经常要求做各种各样的检验。statsmodel的检验项目比较全面，实际上逻辑回归与线性回归比我们想象的要复杂。
DF Residuals：
残差的自由度（等于 观测数也就是样本数(No. Observations)-参数数目(Df Model+1(常量参数，权重加上偏置的数量))）
Df Model:
模型参数个数（不包含常量参数）
R-squared：可决系数：
上面 分子就是我们训练出的模型预测的所有误差。
下面 分母就是不管什么我们猜的结果就是y的平均数。（瞎猜的误差）
adj-R-squared：修正可决系数：
右边式子的R就是原始的R-sqaure，n是样本数量，p是特征的数量。
F-statistic：
Prob:p-value
统计显著性值，
还是系统性的回顾一下回归统计学方面的知识吧，好多细节都忘记了。
