Python sklearn empirical_covariance用法及代码示例

本文简要介绍python语言中 sklearn.covariance.empirical_covariance 的用法。

用法:

sklearn.covariance.empirical_covariance(X, *, assume_centered=False)

计算最大似然协方差估计量。

参数：

X：ndarray 形状(n_samples，n_features)

从中计算协方差估计的数据。

assume_centered：布尔，默认=假

如果 True ，数据在计算前不会居中。在处理平均值几乎为零但不完全为零的数据时很有用。如果 False ，数据将在计算之前居中。

返回：

covariance：ndarray 形状(n_features，n_features)

经验协方差(最大似然估计)。

例子：

>>> from sklearn.covariance import empirical_covariance
>>> X = [[1,1,1],[1,1,1],[1,1,1],
...      [0,0,0],[0,0,0],[0,0,0]]
>>> empirical_covariance(X)
array([[0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25]])