负相关与正相关一样有效和有用。
在您的示例中，0.2 相关性和 -0.2 相关性在您的模型中具有相同的值。负相关只是意味着当一个值上升时，另一个值下降。
此外，正相关越接近 1，负相关越接近 -1，它对建模算法就越有用。

对于大多数算法，自变量不必不相关才能在模型中使用。大多数模型将处理特征之间的互相关，在某些情况下，删除其中一个实际上可能是有害的，可能会丢失一些对模型有用的信息。
通常，如果我们有太多的特征，它们太稀疏，或者我们的特征与行的比率太高，我们就会丢弃它们。
这两个事实同样适用于分类和回归。

负相关没有问题，事实上，如果你改变C相关-C性将是正的，并且我知道的每个机器学习模型都应该在一个变量上进行等效训练，或者与符号改变的相同。

所以不，在任何有监督的情况下，回归或分类，特征之间是否存在负相关并不重要，而且几乎每次都会发生。