点积、内积、协方差与皮尔逊相关系数

现在空间有两个向量$X=[a_1{a}_2]Y=[b_1{b}_2]$
点积和内积是一致的，点积是和投影相关的。
$X点乘Y=||X|{|}_2||Y|{|}_{2}cos\theta =a_1{b}_1+a_2{b}_2$
向量$X$在向量$Y$上的投影是$\frac{X点乘Y}{||Y|{|}_2}$
协方差和相关系数是用来做相关分析的：
现在有两个属性$X$和$Y$，当$X$取值$a_1$的时候，$Y$取值$b_1$，当$X$取值$a_2$的时候，$Y$取值$b_2$。分析属性$X$和属性$Y$的相关性。
协方差：
$COV(X,Y)=E[(a-\overline{a})(b-\overline{b})]$
皮尔逊相关系数就是：
${\rho }_{X,Y}=\frac{COV(X,Y)}{{\sigma }_X{\sigma }_Y}$
${\sigma }_X{\sigma }_Y$分别是$X$和$Y$的方差。
当$\overline{a}$和$\overline{b}$都等于0并且$X$取值$a_1$与$X$取值$a_2$的概率相同时：
$COV(X,Y)=X点乘Y=a_1{b}_1+a_2{b}_2=||X|{|}_2||Y|{|}_{2}cos\theta$
其他情况下，协方差与点积是没有什么关系的。
协方差的物理意义理解并不是向量的投影。而是通过点$a,b$与均值点$mean$所形成的矩形面积之和：
点$a=[a_1{b}_1]表示$当$X$取值$a_1$的时候，$Y$取值$b_1$
点$b=[a_2{b}_2]表示$当$X$取值$a_2$的时候，$Y$取值$b_2$
点$mean=[\overline{a}\overline{b}]$表示$X$的均值为$\overline{a}$，$Y$的均值为$\overline{b}$
如下图：

中间的点就是均值点$mean$
一象限的1号点：当$a_1>\overline{a}$时，$b_1>\overline{b}$，所以矩阵面积$a_1{b}_1$是正的。
二象限的2号点：当$a_2<\overline{a}$时，$b_2>\overline{b}$，所以矩阵面积$a_2{b}_2$是负的。
三象限的3号点：当$a_3<\overline{a}$时，$b_3<\overline{b}$，所以矩阵面积$a_3{b}_3$是正的。
四象限的4号点：当$a_4>\overline{a}$时，$b_4<\overline{b}$，所以矩阵面积$a_4{b}_4$是负的。
将所有矩形的面积加起来，如果是正的就是正相关，如果是负的就是负相关。
这个思想是来自于这篇文章，更详细的解释也可参见这篇文章
https://www.matongxue.com/madocs/568.html