机器学习 | 一:协方差和相关系数

今日话题  

        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。

01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%

02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。

03方差  

方差 ,用来度量随机变量取值和其期望值之间的偏离程度,

其中:

X 表示小明的分数这个随机变量

N 表示样本的个数,即在此15个

已经知道小明的15次考试的分数,均值刚才我们也计算出来了为 85分,带入到上面的公式中,便能得出偏离85分的程度大小。

如果方差很大,那么小明在期末考试的分数可能偏离85分的可能性就越大;如果方差很小,那么小明很可能期末考试分数在85分左右。

方差开根号,得到标准差,即为 。

04协方差

以上几个概念理解了后,下面再阐述什么是协方差,字面上看它比方差多一个协字,那么大体也能猜出,它可能是衡量两个随机变量间是不是存在某种关系的。

那么它的实际定义如下:

其中,

X, Y 是两个随机变量

 是对应两个随机变量的均值

如果两个变量是高度同向的,即X变大,Y也变大,那么对应的协方差也就很大;如果每次X变大,Y就变小,那么X和Y的协方差可能就会为负数

例如,经过观察,我们发现小明的数学成绩和物理成绩的分数分布情况高度相符,也是70分以下3次,80~90分居多,21次,90分以上1次,那么我们就说小明的数学和物理成绩的协方差很大。

05相关系数

我们考虑具有一般性的公式,通常相关系数的定义如下:

发现这个相关系数与协方差紧密相关,只不过又除以了X的标准差和Y的标准差,也就是说,是一种剔除了X和Y这两个偏离程度量纲的影响,标准化后的特殊协方差。

同样可以拿协方差来理解相关系数,若相关系数很大,则可以得到X变大,Y也很可能会变大的结论。

06总结 

我们阐述了几个重要的概念,最后理解了相关系数,理解它为我们之后理解数据预处理的很多算法,及回归分析都很有帮助,如普通最小二乘法 (OLS)为什么在相关系数大的回归分析上变得误差很大。

转自:算法channel

阅读伙伴公众号更多精彩内容,点击 “ 阅读原文 ”

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值