Multicollinearity
多重共线性(Multicollinearity)是两个或多个独立变量（预测因子）之间存在高度相关的现象。当数据集中存在多重共线性时，可能会导致模型预测结果不准确和具有误导性。因此，了解多重共线性对于数据分析非常重要，需要认真对待。Data Wrangler提供了现成的分析选项来检测数据中的多重共线性。
多重共线性 - 方差膨胀因子(Variance Inflation Factor)
方差膨胀因子（VIF）是衡量变量之间共线性的一种度量。VIF分数是一个大于或等于1的正数，分数为1表示该变量与其他变量完全独立。分数越大，表示该变量越依赖于其他变量。由于它是倒数，VIF分数可能会无穷大。需要注意的是，我们将VIF分数设置为最大50。作为一般经验法则，对于样本数量正常的情况，分数在5以内表示变量之间只有中度相关，超过5则表示高度相关。
要创建VIF分析，选择分析类型为"Multicolinearity”，Analysis选择方差膨胀因子，分析结果如下表所示：
根据上述规则，我们可以从特征集中删除以下特征列：
arrival_date_yearadultsagentsarrival_date_week_numberstays_in_week_nights
多重共线性 - 主成分分析（PCA）
主成分分析（PCA）测量数据在特征空间中不同方向上的方差。这些方差的有序列表（也称为奇异值）可以告诉我们数据中是否存在多重共线性。这个列表包含非负数。当这些数字大致均匀时，数据中很少有多重共线性。但是，当情况相反时，顶部值的幅度将主导其余部分。为了避免由于不同尺度而引起的问题，在应用PCA之前会对单个特征进行标准化，使其均值为0、标准差为1。
要创建PCA分析，选择分析类型为"Multicolinearity”，Analysis选择PCA，分析结果如下表所示：
根据上述规则，很明显这些数字（方差）并不均匀，这确认了数据存在需要修复的多重共线性。这已经通过我们之前的分析得到确认。
多重共线性 - Lasso特征选择
Lasso feature selection训练一个带有L1正则化的线性分类器（我们可以通过调整L1幅度来控制L1惩罚的强度），这会产生一个稀疏解。回归器为每个特征提供一个系数，这个系数的绝对值可以被解释为该特征的重要性得分。
要创建Lasso特征选择分析，选择分析类型为"Multicolinearity”，Analysis选择为"Lasso特征选择”：
