与列的协方差
Covariance with a columns
如果我有一个带 X.shape=(m,n) 的 numpy 数组 X 和一个带 y.shape=(m,1) 的第二列向量 y，我如何不使用 for 循环计算 X 和 y 的每一列的协方差？我希望结果的形状为 (m,1) 或 (1,m).
假设输出的形状是 (1,n)，即每个标量用于 covariance 操作，用于 A 的每一列和 B，因此对于 n 以 n 这样的标量结尾的列，您可以在此处使用两种使用 covariance formula.
的方法
方法 #1：使用广播
np.sum((A - A.mean(0))*(B - B.mean(0)),0)/B.size
方法 #2：使用矩阵乘法
np.dot((B - B.mean(0)).T,(A - A.mean(0)))/B.size
如果我有一个带 X.shape=(m,n) 的 numpy 数组 X 和一个带 y.shape=(m,1) 的第二列向量 y，我如何不使用 for 循环计算 X 和 y 的每一列的协方差？我希望结果的形状为 (m,1) 或 (1,m).
假设输出的形状是 (1,n)，即每个标量用于 covariance 操作，用于 A 的每一列和 B，因此对于 n 以 n 这样的标量结尾的列，您可以在此处使用两种使用 covariance formula.
方法 #1：使用广播
np.sum((A - A.mean(0))*(B - B.mean(0)),0)/B.size
方法 #2：使用矩阵乘法
np.dot((B - B.mean(0)).T,(A - A.mean(0)))/B.size