协方差计算相关性问题

      因为公司项目需求，我也跟着学习了机器学习方面的知识，狠狠补了一下数学知识。统计学是关于认识客观现象总体数量特征和数量关系的科学。它是通过搜集、整理、分析统计资料，认识客观现象数量规律性的方法论科学，方差、标准差、均值都是统计学的基础。

均值、标准差、方差都是为了通过数据计算出样本集合的潜在信息，我们可通过潜在信息判断数据的相关性。

但是均值、标准差、方差都只适用于一维数据，比如给一组体重【105,110,120,130】，便可适用于利用方差标准差来进行计算。但如果现在还有一组身高呢，比如【172,178,180,182】，想通过这两组数据来获得身高和体重的相关性，就无法通过方差和标准差来计算了。所以，面对这样的数据集，就需要利用我们的协方差。

我们先来看看协方差的基本性质：

Cov（x,y）便是求得体重和身高的相关性，若为整数，说明体重随身高的增长而增长，若为负数，则体重随身高的增长而降低 。

下面我们运用python的numpy库来试验一下：

import numpy

首先导入我们的NumPy库，NumPy是Python语言的一个扩充程序库。支持高级大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数。

x=[100,90,110,120,140,130]  //定义一组体重
y=[65,60,55,50,51,45]   //定义一组身高
z=[1,0,1,1,1,1]    //定义一组性别


f=[s,y,z]   
a=numpy.cov(f)  //运用cov求得协方差矩阵
print(a)  

运行之后得到以下结果，那该如何解析呢？ 

 

 我们通过cov函数求得协方差矩阵，而协方差矩阵的特性便是对角线是各个维度的方差

 

得出的结果便是与以上一一对应，由此我们可以得到多个weidu维度偏离其均值的程度，度量多个维度之间关系的统计量，且由此可见，协方差矩阵是一个对称矩阵。