无法正确计算 np.cov()
Can't calculate np.cov() correctly
这个问题可能很愚蠢，但我找不到解释。
我正在从头开始编写多元概率密度函数（用于研究目的），我需要计算的其中一件事是数据的协方差矩阵。我正在使用 Iris 数据集（150 个样本，4 个特征），当我编码时：
cov_matrix = np.cov(X)
print(cov_matrix.shape) // (150,150)
我不明白为什么它返回一个 150x150 矩阵，这是一个“逐元素协方差矩阵”吗？不应该是4x4的协方差矩阵吗？
提前致谢。
在numpy.cov的参考页中，有一个名为rowvar的参数，默认设置为True。下面一段是它的解释：
If rowvar is True (default), then each row represents a variable, with
observations in the columns. Otherwise, the relationship is
transposed: each column represents a variable, while the rows contain
observations.
因此，它假定给定矩阵的列中有观测值。因此，您需要输入 $X^T$（通过 X.T）或使用 rowvar=False.
调用此函数
默认情况下 Numpy assumes 变量在行中，而观察值在列中：
rowvar : bool, optional
If rowvar is True (default), then each row represents a variable, with observations in the columns. Otherwise, the relationship is
transposed: each column represents a variable, while the rows contain
observations.
这个问题可能很愚蠢，但我找不到解释。
我正在从头开始编写多元概率密度函数（用于研究目的），我需要计算的其中一件事是数据的协方差矩阵。我正在使用 Iris 数据集（150 个样本，4 个特征），当我编码时：
cov_matrix = np.cov(X)
print(cov_matrix.shape) // (150,150)
我不明白为什么它返回一个 150x150 矩阵，这是一个“逐元素协方差矩阵”吗？不应该是4x4的协方差矩阵吗？
提前致谢。
在numpy.cov的参考页中，有一个名为rowvar的参数，默认设置为True。下面一段是它的解释：
If rowvar is True (default), then each row represents a variable, with observations in the columns. Otherwise, the relationship is transposed: each column represents a variable, while the rows contain observations.
因此，它假定给定矩阵的列中有观测值。因此，您需要输入 $X^T$（通过 X.T）或使用 rowvar=False.
默认情况下 Numpy assumes 变量在行中，而观察值在列中：
rowvar : bool, optional
If rowvar is True (default), then each row represents a variable, with observations in the columns. Otherwise, the relationship is transposed: each column represents a variable, while the rows contain observations.