簡單實現NumPy cov（協方差）函數

我試圖實現numpy.cov()函數，如下所示：numpy cov (covariance) function, what exactly does it compute?，但我得到了一些奇怪的結果。請糾正我：簡單實現NumPy cov（協方差）函數

import numpy as np 
def my_covar(X): 
    X -= X.mean(axis=0) 
    N = X.shape[1] 
    return np.dot(X, X.T.conj())/float(N-1) 

X = np.asarray([[1.0,1.0],[2.0,2.0],[3.0,3.0]]) 

## Run NumPy's implementation 
print np.cov(X) 
""" 
NumPy's output: 
[[ 0. 0. 0.] 
[ 0. 0. 0.] 
[ 0. 0. 0.]] 
""" 

## Run my implementation 
print my_covar(X) 
""" 
My output: 
[[ 2. 0. -2.] 
[ 0. 0. 0.] 
[ -2. 0. 2.]] 
"""

怎麼回事？

來源

2014-05-20 hrs

你能指望什麼錯誤和結果？ – Mark

對於那些忘記統計類的人，想知道這裏有什麼問題：正確的結果是'np.cov（x）'，用戶結果不正確。 –

這個問題應該**重新打開**。它包含代碼，期望的結果和參考資料。只是一個恥辱，我不知道這個問題足以回答自己。 – JasonMArcher

無論你的函數和np.cov（默認）假設的X行對應變量，並且列對應於觀察。

當你減去平均中心X，你需要計算的平均值超過觀察，即X列，而不是行：

X -= X.mean(axis=1)[:, None]

來源

2014-05-20 14:42:06

哦，傻了。謝謝。 – hrs

簡單實現NumPy cov（協方差）函數

回答

相關問題