关于统计样本协方差矩阵与其特征值的一点思考

最新推荐文章于 2024-04-17 14:28:46 发布

超临界面包

最新推荐文章于 2024-04-17 14:28:46 发布

阅读量1.2k

点赞数 1

分类专栏：杂记文章标签：特征值分解线性代数统计学分类算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_44684701/article/details/119276785

版权

要研究统计量，当然是要先有样本，首先，随机生成一堆二维坐标点，如图所示。

图1 二维样本点坐标表示

从图中可以看出，坐标点平铺于二维平面（而不是在一条直线上），所以不用担心协方差矩阵不可逆的问题。

首先用矩阵的方法表示这些点

$\mathbf{X}=\begin{bmatrix} x_{1}^{1}&x_{1}^{2}&...&x_{1}^{n}\\ x_{2}^{1}&x_{2}^{2}&...&x_{2}^{n} \end{bmatrix}$

其中，统计向量还是按列向量表示，其上标表示序列标号而不是数值乘方运算。

在这样表示的前提下，对协方差矩阵的可以写为：

$\mathbf{D}=\frac{\mathbf{(X-\mu)(X-\mu)^{T}}}{n-1}=\frac{1}{n-1}\sum_{i-1}^{n}\begin{bmatrix} x_{1}^{i}-\mu_{1}\\ x_{2}^{i}-\mu_{2} \end{bmatrix}\begin{bmatrix} x_{1}^{i}-\mu_{1}& x_{2}^{i}-\mu_{2} \end{bmatrix}$

其中 $\mu$ 表示统计样本在各个维度上的均值，换句话说， $(\mathbf{X-\mu})$ 的操作或

最低0.47元/天解锁文章

超临界面包

关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
1
评论
关于统计样本协方差矩阵与其特征值的一点思考

要研究统计量，当然是要先有样本，首先，随机生成一堆二维坐标点，如图所示。图1 二维样本点坐标表示从图中可以看出，坐标点平铺于二维平面（而不是在一条直线上），所以不用担心协方差矩阵不可逆的问题。首先用矩阵的方法表示这些点其中，统计向量还是按列向量表示，其上标表示序列标号而不是数值乘方运算。在这样表示的前提下，对协方差矩阵的可以写为：其中表示统计样本在各个维度上的均值，换句话说，的操作或的操作其实...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。