协方差->相关系数->协方差矩阵->PCA

协方差

定义

在这里插入图片描述
C o v ( X , Y ) = ∑ i = 1 n ( X i − μ x ) ( Y i − μ y ) n Cov(X, Y)=\frac{\sum_{i=1}^{n}(X_i-\mu_x)(Y_i-\mu_y)}{n} Cov(X,Y)=ni=1n(Xiμx)(Yiμy)

向量形式: C o v ( X , Y ) = ( x ⃗ − μ x ) T ( y ⃗ − μ y ) n Cov(X, Y)=\frac{(\vec x-\mu_x)^T(\vec y-\mu_y)}{n} Cov(X,Y)=n(x μx)T(y μy)

无偏统计量


向量形式: C o v ( X , Y ) = ( x ⃗ − x ˉ ) T ( y ⃗ − y ˉ ) n − 1 Cov(X, Y)=\frac{(\vec x-\bar x)^T(\vec y-\bar y)}{n-1} Cov(X,Y)=n1(x

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值