每当我发现 2 个数组的协方差时,我总是看到它像 (np.cov(X,Y([0,1](
[0,1] 有什么用途?
对于两个 1d 数组x
和y
,np.cov(x, y)
返回:
np.array([[variance(x), covariance(x, y)],
[covariance(y, x), variance(y) ]])
因此,对于协方差,您需要 [0,1] 项。
当配制成cov(x ,y)
时,numpy
会产生np.cov(X)
X = np.stack(x, y, axis = 1)
之所以出现混淆,是因为对于np.cov(X)
来说,它实际上同时针对许多向量进行了优化,X.shape = (m, n)
和np.cov(X)[i,j]
,i, j < n
是行i
和j
之间的协方差。 而行i
和i
的协方差只是行i
的方差。