详解协方差与协方差矩阵
来源:互联网 发布:js 句号替换 编辑:程序博客网 时间:2024/05/18 02:32
协方差的定义
对于一般的分布,直接代入E(X)之类的就可以计算出来了,但真给你一个具体数值的分布,要计算协方差矩阵,根据这个公式来计算,还真不容易反应过来。网上值得参考的资料也不多,这里用一个例子说明协方差矩阵是怎么计算出来的吧。
记住,X、Y是一个列向量,它表示了每种情况下每个样本可能出现的数。比如给定
则X表示x轴可能出现的数,Y表示y轴可能出现的。注意这里是关键,给定了4个样本,每个样本都是二维的,所以只可能有X和Y两种维度。所以
用中文来描述,就是:
协方差(i,j)=(第i列的所有元素-第i列的均值)*(第j列的所有元素-第j列的均值)
这里只有X,Y两列,所以得到的协方差矩阵是2x2的矩阵,下面分别求出每一个元素:
所以,按照定义,给定的4个二维样本的协方差矩阵为:
用matlab计算这个例子
z=[1,2;3,6;4,2;5,2]
cov(z)
ans =
2.9167 -0.3333
-0.3333 4.0000
可以看出,matlab计算协方差过程中还将元素统一缩小了3倍。所以,协方差的matlab计算公式为:
协方差(i,j)=(第i列所有元素-第i列均值)*(第j列所有元素-第j列均值)/(样本数-1)
下面在给出一个4维3样本的实例,注意4维样本与符号X,Y就没有关系了,X,Y表示两维的,4维就直接套用计算公式,不用X,Y那么具有迷惑性的表达了。
(3)与matlab计算验证
Z=[1 2 3 4;3 4 1 2;2 3 1 4]
cov(Z)
ans =
1.0000 1.0000 -1.0000 -1.0000
1.0000 1.0000 -1.0000 -1.0000
-1.0000 -1.0000 1.3333 0.6667
-1.0000 -1.0000 0.6667 1.3333
可知该计算方法是正确的。我们还可以看出,协方差矩阵都是方阵,它的维度与样本维度有关(相等)。参考2中还给出了计算协方差矩阵的源代码,非常简洁易懂,在此感谢一下!
参考:
[1] http://en.wikipedia.org/wiki/Covariance_matrix
[2] http://www.cnblogs.com/cvlabs/archive/2010/05/08/1730319.html
出自:http://blog.csdn.net/ybdesire/article/details/6270328- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵 .
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- 详解协方差与协方差矩阵
- php获取网络xml
- js获取列表控件某行下拉框的选定值
- js报错“TypeError: 'stepUp' called on an object that does not implement interface HTMLInputElement”
- Spring获取bean的步骤
- Robotium环境配置搭建
- 详解协方差与协方差矩阵
- shell中的分号(;)
- 记录下学习日志
- freemarker之配置
- 一页纸说清楚“什么是深度学习?”
- CocoaPods(4)——配置使用详解
- 使用 Google Guava 美化你的 Java 代码
- 安卓相对布局RelativeLayout所有属性的汇总
- Android Canvas绘图详解