Python SciPy stats.Covariance用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.Covariance 的用法。

用法:

class  scipy.stats.Covariance#

協方差矩陣的表示

涉及協方差矩陣的計算(例如數據白化、多元正態函數評估)通常使用協方差矩陣的分解而不是協方差矩陣本身來更有效地執行。此類允許用戶使用多種分解中的任何一種來構造表示協方差矩陣的對象，並使用通用接口執行計算。

注意

Covariance 類無法直接實例化。相反，使用工廠方法之一(例如 Covariance.from_diagonal )。

例子：

通過調用其工廠方法之一來使用 Covariance 類來創建 Covariance 對象，然後將 Covariance 矩陣的表示形式作為多元分布的形狀參數傳遞。

例如，多元正態分布可以接受表示協方差矩陣的數組：

>>> 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

但計算是以非常通用的方式執行的，沒有利用協方差矩陣的任何特殊屬性。因為我們的協方差矩陣是對角的，所以我們可以使用Covariance.from_diagonal創建一個表示協方差矩陣的對象，而 multivariate_normal 可以使用它來更有效地計算概率密度函數。

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

屬性 ：：

covariance

協方差矩陣的顯式表示

log_pdet

協方差矩陣 pseudo-determinant 的對數

rank

協方差矩陣的秩

shape

協方差數組的形狀