为什么Python中协方差函数的输出差别太大?
我使用python的三个函数来计算相同输入的协方差, 结果截然不同。有没有人有经验,知道哪一个效果最好?(有什么区别?) 我使用的函数是为什么Python中协方差函数的输出差别太大?,python,covariance,robust,Python,Covariance,Robust,我使用python的三个函数来计算相同输入的协方差, 结果截然不同。有没有人有经验,知道哪一个效果最好?(有什么区别?) 我使用的函数是 sklearn.covariance.empirical_covariance(.) MinCovDet().fit(.) np.cov(.) 任何见解都值得赞赏 sklearn.协方差.经验协方差(.)给了我直截了当的答案 cov = (1/N) * M.transpose * M 同意Joseph Hansen的观点,更具体的回答将有助于彻底的回答。很
sklearn.covariance.empirical_covariance(.)
MinCovDet().fit(.)
np.cov(.)
任何见解都值得赞赏
sklearn.协方差.经验协方差(.)给了我直截了当的答案
cov = (1/N) * M.transpose * M
同意Joseph Hansen的观点,更具体的回答将有助于彻底的回答。很快,我相信sklearn.convariance会计算总体的协方差。而默认情况下,numpy.cov计算样本协方差。要获得总体协方差,可以通过总N个样本指定标准化,如下所示:
协方差=numpy.cov(a,b,bias=True)[0][1]
这个问题有潜力,但我建议改进标题。它应该更加具体。