Python SciPy stats.Covariance用法及代码示例

本文简要介绍 python 语言中 scipy.stats.Covariance 的用法。

用法:

class  scipy.stats.Covariance#

协方差矩阵的表示

涉及协方差矩阵的计算(例如数据白化、多元正态函数评估)通常使用协方差矩阵的分解而不是协方差矩阵本身来更有效地执行。此类允许用户使用多种分解中的任何一种来构造表示协方差矩阵的对象，并使用通用接口执行计算。

注意

Covariance 类无法直接实例化。相反，使用工厂方法之一(例如 Covariance.from_diagonal )。

例子：

通过调用其工厂方法之一来使用 Covariance 类来创建 Covariance 对象，然后将 Covariance 矩阵的表示形式作为多元分布的形状参数传递。

例如，多元正态分布可以接受表示协方差矩阵的数组：

>>> from scipy import stats
>>> import numpy as np
>>> d = [1, 2, 3]
>>> A = np.diag(d)  # a diagonal covariance matrix
>>> x = [4, -2, 5]  # a point of interest
>>> dist = stats.multivariate_normal(mean=[0, 0, 0], cov=A)
>>> dist.pdf(x)
4.9595685102808205e-08

但计算是以非常通用的方式执行的，没有利用协方差矩阵的任何特殊属性。因为我们的协方差矩阵是对角的，所以我们可以使用Covariance.from_diagonal创建一个表示协方差矩阵的对象，而 multivariate_normal 可以使用它来更有效地计算概率密度函数。

>>> cov = stats.Covariance.from_diagonal(d)
>>> dist = stats.multivariate_normal(mean=[0, 0, 0], cov=cov)
>>> dist.pdf(x)
4.9595685102808205e-08

属性 ：：

covariance

协方差矩阵的显式表示

log_pdet

协方差矩阵 pseudo-determinant 的对数

rank

协方差矩阵的秩

shape

协方差数组的形状