Scikit learn 最小协方差行列式sci工具包学习实现

Sci kit learn实现了最小协方差行列式估计器（model=sklearn.convariance.MinCovDet（））

拟合数据时（model.fit（X））将估计两种不同的协方差，它们存储为属性：

第一种是模型。原始协方差在文档中描述为“校正和重新加权前的原始稳健估计协方差”

第二种是模型。协方差被描述为“估计的鲁棒协方差矩阵”

有两种方法似乎可以计算另外两种不同的协方差：

模型。校正协方差（X）被称为“对原始最小协方差行列式估计值进行校正。”

模型。重新加权协方差（x）被称为“使用Rousseeuw方法重新加权观测值（相当于在计算位置和协方差估计值之前从数据集中删除外围观测值）。”

有人能解释这两者之间的区别吗

---

谢谢

有趣的问题，但可能是

stats

的候选。您建议我将问题转移到stackexchange？有没有一种方法可以直接从这里链接它，或者我必须在那个交换中重新编写它？高声誉的用户可以投票支持迁移。你什么都不用做。如果有足够多的人同意将其移动，问题将自动移动到合作伙伴站点。