本文介绍了协方差的概念及其作为衡量两个随机变量线性关系的指标，探讨了无偏统计量的计算方式，并通过实例说明了不相关但不独立的情况。接着，引入了相关系数，它消除了幅度影响，便于比较变量间的变化相似程度。还讨论了协方差矩阵在PCA（主成分分析）中的应用，强调找到最大特征值对应特征向量的重要性。
协方差
定义
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)=n∑i=1n(Xi−μx)(Yi−μy)
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)=n−1(x
最低0.47元/天 解锁文章
754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
