协方差矩阵和矩阵相关系数的理解
在做机器学习的过程中经常会有矩阵的相关运算,这里就比较典型的协方差和矩阵的相关系数做个自我的理解记录。
1.协方差
如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值时另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值;如果两个变量的变化趋势相反,即其中一个变量大于自身的期望值时另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。
可以通俗的理解为:两个变量在变化过程中是同方向变化?还是反方向变化?同向或反向程度如何?
你变大,同时我也变大,说明两个变量是同向变化的,这时协方差就是正的;
你变大,同时我变小,说明两个变量是反向变化的,这时协方差就是负的;
从数值来看,协方差的数值越大,两个变量同向程度也就越大。反之亦然。
2. 相关系数
相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数也可以看成协方差:一种剔除了两个变量量纲影响、标准化后的特殊协方差,它消除了两个变量变化幅度的影响,而只是单纯反应两个变量每单位变化时的相似程度。
相关系数绝对值是 小于等于1的。自性关系数为 1 .
公式:
一个例子:
3 使用Python 实现:
import numpy as np a=np.array([1,2,3]) b=np.array([1,2,4]) x=np.vstack((a,b)) print(x)#打印x的值 print(np.cov(a,b))#计算协方差矩阵 corr_coef = np.corrcoef(a,b)[0,1]#这里取得是第 0行 第2列的元素,为两者相关系数 print(corr_coef)
打印结果:
当 Input=X,有多个输入的时候,以此类推,可以求得相应的协方差矩阵,以及相关系数。
协方差矩阵和矩阵相关系数的理解相关推荐
- 2014年去哪儿网笔试题--一个10*10的矩阵(可以理解为棋盘),随时生成一组数据填入矩阵,任何一个位置的数字除4进行计算,按余数着色......
一个10*10的矩阵(可以理解为棋盘),随时生成一组数据填入矩阵,任何一个位置的数字除4进行计算,按余数着色,余数为0着色为red,1为blue,2为green,3为black,可以理解为生成4中颜色 ...
- 矩阵相乘的理解(矩阵相乘的几何意义)及证明过程
矩阵相乘的理解 1.基底的理解 2.证明过程 3.公式分析 3.1分析 3.2 3.2.1 n3=n2n3=n2n3=n2 时: 3.2.2 n3<n2n3<n2n3<n2 时: 3 ...
- 谈谈我对矩阵维度的理解
谈谈我对矩阵维度的理解 前言 一.混淆点 二.代码实现 1.矩阵相乘 总结 前言 在机器学习中,遇到的数据都是以矩阵形式存储的,那么矩阵的维度经常在变化,在编写代码应该时刻注意矩阵的维度变化,不然在参 ...
- 协方差,协方差矩阵,矩阵特征值
一.统计学的基本概念 统计学里最基本的概念就是样本的均值.方差.标准差.首先,我们给定一个含有n个样本的集合,下面给出这些概念的公式描述: 均值: 标准差: 方差: 均值描述的是样本集合的中间点,它告 ...
- 关于特征值特征向量和矩阵分解的理解总结
本文章是从其他地方总结一些对自己有用的理论,全文可在底部参考文章中查阅. 侵删,不断学习不断更新- 我们知道,矩阵乘法对应了一个变换,是把任意一个向量变成另一个方向或长度都大多不同的新向量 ...
- 期望、方差、协方差、相关系数的理解
目录 1.数学期望(均值) 2.方差 D(X) 或 Var(X) 3.协方差 Cov(X,Y) 4.相关系数 ρ 5.协方差矩阵 一句话概括:期望反映了平均水平,方差反映了数据波动程度,协方差反映了两 ...
- 文档词频矩阵_论文理解:从词嵌入到文档距离
论文作者简介 本论文第一作者Matt J. Kusner是牛津大学的副教授,致力于设计适应现实世界问题需求的新机器学习模型(例如,fair algorithms, discrete generativ ...
- 单应性矩阵的相关理解
版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/zinnc/article/details/52319491 尽量写的通俗一点,因为从某种程度上讲,本 ...
- Pearson 相关系数--最佳理解及相关应用
一 Pearson 相关系数介绍 pearson是一个介于-1和1之间的值,用来描述两组线性的数据一同变化移动的趋势. 当两个变量的线性关系增强时,相关系数趋于1或-1: 当一个变量增大 ...
最新文章
- 在Windows7 下 mingw32 开发环境中采用 glut3.7 学习 OpenGL
- 如何判断是否丢掉用户请求(转载)
- 双节棍「大师」鱼佬亲传武功秘籍:如何进行一场数据挖掘算法竞赛?
- 5-django——验证码,中间件
- WPF ---- ​xmal 解析器没有办法解析类的TypeConverter
- php 重复区域,如何使用Mysql和PHP从重复区域单击缩略图后检索图像
- log4j日志的基本使用方法(1)——概述、配置文件
- Android编译Libwebcore出错解决方法
- sizeof是c语言的一种运算符,深入sizeof的使用详解
- python__画图表可参考(转自:寒小阳 逻辑回归应用之Kaggle泰坦尼克之灾)
- Solr管理索引库——(十三)
- MySQL 常用函数大全
- 基于Vue3在线商城(Vue3+VueCLI+VueRouter+vuex+axios+Bootstrap)
- coherence-based label propagation over time series for accelerated active learning
- 跟华为云一起,做未来城市的解谜人
- golang隐藏window系统下自身cmd窗口
- 沁春教你怎么在家制作拿铁咖啡!
- springboot使用 poi 导入导出Excel工具类
- 2017年-2018年成长计划
- 用Python绘制奥运五环