做多元线性回归的时候，怎么快速排除掉没有用的特征？

快速排除的话，有几个方法：

1）可以考虑单因子模型，单因子预测效果最差的特征可以排除。

2）看特征的缺失值占比，缺失值占比过高的，可以直接剔除

3）看特征方差，特征是常数或者接近为常数的，可以直接剔除

4）做LASSO，被LASSO剔除的变量可以不考虑

5）重复的特征，比如两个特征几乎一样，也可以直接剔除

如果复杂一点、精确一点的话，可以做逐步特征选择（向前或者向后），AIC、BIC，feature importance，VIF方法等等，做交叉验证来看哪些特征需要剔除掉。