Мультиколлинеарность негативно влияет на качество моделей машинного обучения. 13 Вот некоторые последствия:

• Переобучаемость модели. 1 Это приводит к неверному результату, когда модель может отлично работать на известном тренировочном наборе, но потерпит неудачу на неизвестном наборе тестов. 2
• Увеличение сложности модели. 1 Избыточные коэффициенты увеличивают время тренировки модели. 1
• Осложнение интерпретации параметров. 1 Параметры регрессии теряют смысл, и приходится рассматривать другие переменные. 1
• Ненадёжные оценки параметров. 1 Получаются большие стандартные ошибки, которые меняются с изменением объёма наблюдений, что делает модель непригодной для прогнозирования. 1

Чтобы избавиться от мультиколлинеарности, можно исключить из модели один из факторов. 1