Question

我正在尝试实现此处给出的numpy.cov()函数：numpy cov (covariance) function, what exactly does it compute?，但我得到了一些奇怪的结果。请纠正我：

import numpy as np  
def my_covar(X):  
    X -= X.mean(axis=0)  
    N = X.shape[1]  
    return np.dot(X, X.T.conj())/float(N-1)

X = np.asarray([[1.0,1.0],[2.0,2.0],[3.0,3.0]])

## Run NumPy's implementation
print np.cov(X)
"""  
NumPy's output:
[[ 0.  0.  0.]
 [ 0.  0.  0.]
 [ 0.  0.  0.]]
"""

## Run my implementation
print my_covar(X)  
"""  
My output:  
[[ 2.  0.  -2.]  
 [ 0.  0.  0.]  
 [ -2.  0.  2.]]  
"""

出了什么问题？

Answer 1

您的函数和np.cov（默认情况下）都假设X的行对应变量，而列对应于观察

当您通过减去平均值来X居中时，您需要计算观察值的平均值，即X的列而不是行：

X -= X.mean(axis=1)[:, None]

简单实现NumPy cov（协方差）函数

1 个答案: