最小协方差行列式sci工具包学习实现

Question

Sci kit learn具有最小协方差行列式估计器的实现（ model = sklearn.covariance.MinCovDet（））。

当您拟合数据（ model.fit（X））时，估计两个不同的协方差，这些协方差存储为属性：

1. 第一个是 model.raw_covariance _ 在文档中描述为＆＃34;在校正和重新加权之前的原始稳健估计协方差＆＃34;。

2. 第二个是 model.covariance _ ，描述为＆＃34;估计的稳健协方差矩阵＆＃34;。

有两种方法可以计算两种不同的协方差：

1. model.correct_covariance（X）被称为＆＃34;对原始最小协方差行列式估计值应用更正。＆＃34;

2. model.reweight_covariance（x）被称为＆＃34;使用Rousseeuw方法重新加权观察（相当于在计算位置和协方差估计之前删除数据集中的偏离观测值） ＆＃34;

有人可以解释所有这些之间的区别吗？

谢谢！