我有点困惑！
假设我们观察到数据X = [x1，..，xn]并且它们是R ^ d中的向量（零均值）
X ^ T表示X的转置
有时我看到协方差矩阵的形式为1 / n * X * X ^ T（例如主成分分析），有时会以1 / n * X ^ T * X的形式看到它（例如内核-Covariance矩阵与核k（x，y）= x ^ T * y）
那么为什么有两种不同的方式或者我混淆了一些东西呢？谢谢你的帮助。
答案 0 :(得分：0)
嗯，结果的维度不同。一个是nxn矩阵，另一个是dxd矩阵。 我不知道nxn-result的应用，但是当我使用协方差矩阵来表示R ^ d中矢量的变化时（测量X = [x1，..，xn]），结果必须是dxd-matrix，其特征向量和值表示主轴并延伸“方差椭球”（必须以dxd给出）
PS：只有半个答案，我知道
附录： 内核用于创建成对特征的内积，从而将维度减小到1以更容易地找到模式。看一下 http://en.wikipedia.org/wiki/Kernel_principal_component_analysis#Introduction_of_the_Kernel_to_PCA 获得一个印象，内核协方差矩阵用于