机器学习 PCA中协方差矩阵的理解

源代码是这样的：

1. meanVals=mean(dataMat,axis=0)

2. meanRemoved=dataMat-meaVals

3. covMat=np.cov(newData,rowvar=0)#np为import numpy as np

先补充协方差矩阵：

1.X和Y的协方差：

• 可以看出当X和Y相等时就是X的方差
• 除以n-1是因为自由度为（n-1），它的意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是n-1。

2.cov(X,Y)生成的ndarray中[0,0]为X的方差，[1,1]为Y的方差，[0,1]和[1,0]是相同的值，是X和Y的方差，若是cov中元素更多则规律和以上相同

•    cov(X)就是X自身的方差
• eg：m=np.array([[1,2,3],[2,4,6]])
•        m=np.cov(m) #相当于写法：cov([1,2,3],[2,4,6])
•        print(m)
• m为[[1. 2.] [2. 4.]]，m[0][0]元素的求解方式为先求1,2,3的均值&#