Numpy 协方差矩阵非正规化
Numpy covariance matrix nonrmalisation
我知道 numpy.cov
计算给定 N 维数组的协方差。
我可以看到 from the documentation on GitHub 归一化是由 (N-1)
完成的。但对于我的具体情况,协方差矩阵由下式给出:
其中 xi
是数量。 i
和 j
是 bin。
从上面的等式可以看出,这个协方差矩阵被(N-1)/N
归一化了。
获得上述规范化
我可以简单地将numpy.cov
得到的协方差矩阵乘以(N-1)**2 / N
得到上面的归一化吗?对吗?
或者我应该在 numpy.cov
中使用 bias
参数吗?如果有怎么办?
有两种方法可以做到这一点。
- 我们可以用
bias=1
调用np.cov
,然后将结果乘以N-1
或
- 我们可以将得到的整体协方差矩阵乘以
(N-1)**2/N
我知道 numpy.cov
计算给定 N 维数组的协方差。
我可以看到 from the documentation on GitHub 归一化是由 (N-1)
完成的。但对于我的具体情况,协方差矩阵由下式给出:
其中 xi
是数量。 i
和 j
是 bin。
从上面的等式可以看出,这个协方差矩阵被(N-1)/N
归一化了。
获得上述规范化
我可以简单地将numpy.cov
得到的协方差矩阵乘以(N-1)**2 / N
得到上面的归一化吗?对吗?
或者我应该在 numpy.cov
中使用 bias
参数吗?如果有怎么办?
有两种方法可以做到这一点。
- 我们可以用
bias=1
调用np.cov
,然后将结果乘以N-1
或
- 我们可以将得到的整体协方差矩阵乘以
(N-1)**2/N