Це означає, що ваша матриця дизайну не повертається, і тому її не можна використовувати для розробки регресійної моделі. Це є результатом лінійно залежних стовпців, тобто сильно корельованих змінних. Вивчіть парну коваріацію (або кореляцію) змінних, щоб дослідити, чи є змінні, які потенційно можуть бути видалені. Ви шукаєте коваріації (або кореляції) >> 0. Крім того, ви можете, ймовірно, автоматизувати цей змінний вибір, використовуючи пряму ступінчату регресію.
Це також може бути результатом того, що ви маєте більше змінних, ніж спостереження. У такому випадку ваша матриця проекту, ймовірно, не є повною мірою. Це трохи складніше виправити, але є способи. Я вважаю, що регресія лассо повинна працювати добре, коли дані "ширші", ніж "довгі".
Майте на увазі: якщо ви вирішили спробувати ласо або поетапний вибір, ви робите набагато більше (з точки зору змінного вибору), ніж просто обробляти мультиколінеарність.