当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


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

Xndarray 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

covariancendarray 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]])

相关用法


注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.covariance.empirical_covariance。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。