統計学と機械学習におけるマルチコ（多重共線性）に対する考えの相違

先日、デスマーチの末なんとか機械学習案件のリリースに漕ぎ着けました。 今回の案件に関わらないですが、要件や仕様はしっかり明文化しておくべきですね。 後から(特にリリース間近になって)言った言わないの議論になるのは双方にとってあまり気持ちのいいものではありません。 些細な仕様変更のため口頭で合意した内容でも、しっかりと資料化しておくことの重要さを再認識しました。 さて、今回はマルチコ（多重共線性）について投稿します。 クライアント先で多変量解析をしているときにこの話題が出たので、いろいろと調べてみました。 大学では統計学視点でのマルチコを若干勉強したのですが、この機会に再度勉強し直してみたのでまとめます。 マルチコ（多重共線性）とはマルチコとは、重回帰モデルにおいて説明変数間に強い相関がある事象のことをいいます。 マルチコはmulti-colinearlity（マルチ-コリニアリティ）の略称

[funwarioisii]

多重共線性の話で一番わかりやすかった

[sh19910711]

2019 / "マルチコはmulti-colinearlityの略称で、完全に和製な呼び方なので海外の人にマルチコと言っても通じません / マルチコはモデルの説明力を低下させるものの、予測精度に影響を与えないとも言われています"

[sin392]

多重共線性について統計学と機械学習、それぞれの立場からわかりやすく解説している。