在 R 中寻找 Iris 数据的协方差矩阵的问题
Problem with finding covariance matrix for Iris data in R
在 R 中尝试查找 Iris 数据的协方差矩阵时，我总是得到 NA。
library(ggplot2)
library(dplyr)
dim(iris)
head(iris)
numIris <- iris %>%
select_if(is.numeric)
plot(numIris[1:100,])
Xraw <- numIris[1:1000,]
plot(iris[1:150,-c(5)]) #species name is the 5th column; excluding it here.
Xraw = iris[1:1000,-c(5)] # this excludes the 5th column, which is the species column
#first, to get covariance, we need to subtract the mean from each column
X = scale(Xraw, scale = FALSE)
head(X)
Xs <- scale(Xraw, scale = TRUE)
head(Xs)
covMat = (t(X)%*%X)/ (nrow(X)-1)
head(covMat)
您有什么理由不能使用 cov(numIris)？
通过尝试 select 1000 行的 matrix/data 框架只有 150 行，你最终得到 850 行充满 NA 值（尝试 tail(Xraw)看）。如果您设置 Xraw <- iris[, -5] 并从那里开始，您会得到这样的结果 all.equal(covMat, cov(iris[, -5])) 是 TRUE。
在 R 中尝试查找 Iris 数据的协方差矩阵时，我总是得到 NA。
library(ggplot2)
library(dplyr)
dim(iris)
head(iris)
numIris <- iris %>%
select_if(is.numeric)
plot(numIris[1:100,])
Xraw <- numIris[1:1000,]
plot(iris[1:150,-c(5)]) #species name is the 5th column; excluding it here.
Xraw = iris[1:1000,-c(5)] # this excludes the 5th column, which is the species column
#first, to get covariance, we need to subtract the mean from each column
X = scale(Xraw, scale = FALSE)
head(X)
Xs <- scale(Xraw, scale = TRUE)
head(Xs)
covMat = (t(X)%*%X)/ (nrow(X)-1)
head(covMat)
您有什么理由不能使用 cov(numIris)？
通过尝试 select 1000 行的 matrix/data 框架只有 150 行，你最终得到 850 行充满 NA 值（尝试 tail(Xraw)看）。如果您设置 Xraw <- iris[, -5] 并从那里开始，您会得到这样的结果 all.equal(covMat, cov(iris[, -5])) 是 TRUE。