我是分析领域的新手，有一些疑问，希望能在这里得到解答。
我正在用python实现Logistic回归，如果我们需要在分类变量上应用Logistic，我已经实现了get_dummies。假设列名是房屋类型（海滩、山地和平原），我们在这里做的是创建三个虚拟变量，并删除其中一个，因为我们可以使用其他两个虚拟变量推断平原。
但是当我在数据上实现RFE时。(我在某个博客上看到这个问题，其中的虚拟变量没有被丢弃，我感到很困惑)
另外，我还需要添加一个截距列，因为我使用的是statsmodel（它本身不添加截距）。所以，在这种情况下，如果有多个分类变量（并且我们已经为每个变量添加了一个虚拟变量），就不会有任何问题，对吗？
你应该最终会看到多线性，因为第三个虚列总是与前两个虚列之和相反（如果它们之和为0，则为1，如果它们之和为1，则为0）。
这应该在特征选择之前删除，比如RFE。
如果你不这样做，statsmodel会在摘要中抛出一个警告，如果你检查特征后拟合的VIF，你会看到不可接受的分数，这是在暗示colinear特征。
在任何情况下，一旦这样做了，你的一个虚列实际上可能是一个常数，比如你的数据集里没有沙滩屋，这是可行的。 statsmodel的默认行为是当一个常量存在时忽略add_constant语句。 为了解决这个问题，你可以考虑使用has_constant参数，通过'add'来表示你想得到一个拦截值，即使已经有一个常数列。
X = sm.add_constant(X, has_constant='add')