java 协方差_机器学习储备（1）：协方差和相关系数

为了深刻理解机器学习算法的原理，首先得掌握其中涉及到的一些基本概念和理论，比如概率，期望，标准差，方差。在这些基本概念上，又衍生出了很多重要概念，比如协方差，相关系数等。今天我们就来聊聊这些组成机器学习的基本概念。

1、概率

概率 P 是对随机事件发生的可能性的度量。

例如，小明在期末考试前，统计了下自己在今年的数学考试成绩，结果显示得到80分以下的次数为2次，得80分~90分的次数为10次，得到90分以上次数为3次，那么小明得到 80分以下的概率为：

P( < 80 ) = 2/(2+10+3) = 13.3%

80~90分的概率为：

P( 80 ~ 90) = 10/(2+10+3) = 66.7%

90分以上的概率：

P( > 90) = 3/(2+10+3) = 20%

2、期望值

期望值  E，在一个离散性随机变量实验中，重复很多次实验，每次实验的结果乘以其出现的概率的总和。

如上例中，小明在今年的期末考试，我们对他的期望值大约是多少呢？套用上面的公式，80分以下的值取一个代表性的分数：70分，80~90：85分，90分以上：95分，

E =  70 * 0.133 + 85 * 0.667 + 95 * 0.2

计算出的结果为 85，即期末考试我们对小明的合理期望是 85 分左右。