在线性回归中，如果特征之间存在高度相关性，可能会导致什么问题？（）A. 模型欠拟合B. 多重共线性问题C. 模型过拟合D. 无法找到最优解

考查要点：本题主要考查线性回归模型中特征相关性对模型的影响，特别是多重共线性问题的识别。

解题核心思路：
在线性回归中，多重共线性指的是特征变量之间存在高度相关性。这种情况下，模型的系数估计会变得不稳定，导致解释能力下降，但模型本身仍可通过最小二乘法求解。因此，需区分多重共线性与其他模型问题（如过拟合、欠拟合）的本质区别。

破题关键点：

• 多重共线性是特征高度相关的直接结果，而非模型复杂度或拟合程度的问题。
• 明确选项中“无法找到最优解”与“系数不稳定”的差异。

在线性回归中，若特征之间存在高度相关性，会导致以下问题：

1. 多重共线性问题（选项B）：

   • 系数估计不准确：高度相关的特征会使回归系数的方差增大，导致系数估计值对数据微小变化敏感。
   • 解释性下降：难以区分各特征对目标变量的独立贡献，系数符号可能与实际关系相反。

2. 其他选项分析：

   • 模型欠拟合（A）：欠拟合通常由模型形式过于简单引起，与特征相关性无关。
   • 模型过拟合（C）：过拟合指模型对噪声敏感，与特征相关性无直接关系。
   • 无法找到最优解（D）：最小二乘法仍可求解，但解的稳定性受影响。