python 计算协方差矩阵_计算协方差矩阵——numpy.cov和numpy.dot之间的差异？

我正在使用三维numpy阵列，最终我将在这些阵列上执行PCA。我首先将三维阵列展平为二维，以便计算协方差(然后是特征值和特征向量)。

在计算协方差矩阵时，我使用numpy.cov和numpy.dot得到了不同的结果。如果我的二维数组是(5,9)，我想得到一个5x5(即NxN)协方差矩阵。这就是我用numpy.dot得到的。对于numpy.cov，我得到的协方差矩阵是9x9。这不符合我需要的形状，但老实说，我不知道哪一个是正确的。在我所研究的例子中，我看到了两种计算协方差的方法。

如果我通过numpy.linalg.eig计算携带numpy.dot与numpy.cov，我显然会得到不同的答案(都在下面的示例输出中打印)。所以，在这一点上，我很困惑哪种方法是正确的，或者我可能会错在哪里。

这是输出的测试代码。谢谢你的帮助。import numpy as np

a = np.random.random(((5,3,3))); # example of what real input will look like

# create 2D flattened version of 3D input array

d1,d2,d3 = a.shape

b = np.zeros([d1,d2*d3])

for i in range(len(a)):

b[i] = a[i].flatten()

print "shape of 3D array: ", a.shape

print "shape of flattened 2D array: ", b.shape, "\n"

print "flattened 2D array:\n", b, "\n"

# mean-center the flattened array

b -= np.mean(b, axis=0)

# calculate the covariance matrix of the flattened array

covar1 = np.cov(b, rowvar=0) # this makes a 9x9 array

covar2 = np.dot(b, b.T) # this makes a 5x5 array

print "covariance via numpy.cov:\n", covar1, "\n"

print "covariance via numpy.dot:\n", covar2, "\n"

# calcul