Numpy -如何执行下面的协方差循环
在Numpy中，可以使用numpy.cov()函数来计算协方差矩阵，而不需要使用循环。numpy.cov()函数可以接受一个数组作为输入，并返回该数组的协方差矩阵。
下面是使用numpy.cov()函数计算协方差矩阵的示例代码：
import numpy as np
# 创建一个示例数组
x = np.array([[0, 2], [1, 1], [2, 0]])
# 计算协方差矩阵
cov_matrix = np.cov(x, rowvar=False)
print(cov_matrix)输出结果为：
[[ 1. -1.]
[-1. 1.]]在上述示例中，我们创建了一个2维数组x，然后使用np.cov()函数计算了x的协方差矩阵，并将结果存储在cov_matrix变量中。最后，我们打印了cov_matrix的值。
numpy.cov()函数的参数rowvar用于指定输入数组的行和列是否表示变量。如果rowvar为True（默认值），则每行代表一个变量；如果rowvar为False，则每列代表一个变量。
协方差矩阵是一个对称矩阵，其中每个元素表示对应变量之间的协方差。对角线上的元素表示每个变量的方差。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云云服务器（CVM）：提供高性能、可扩展的云服务器实例，适用于各种计算场景。
- 腾讯云云数据库 MySQL：提供稳定可靠的云数据库服务，支持高可用、弹性扩展和自动备份等功能。
- 腾讯云人工智能平台：提供丰富的人工智能服务和工具，包括图像识别、语音识别、自然语言处理等。
- 腾讯云物联网平台：提供全面的物联网解决方案，帮助用户快速构建和管理物联网设备和应用。
- 腾讯云移动开发平台：提供一站式移动应用开发服务，包括移动后端云服务、移动应用测试等。
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求进行评估。
相关·内容
1回答
我可以通过下面的代码来评估多变量正态分布的对数概率密度
import numpy as np
import scipy.stats
scipy.stats.multivariate_normal.logpdf([0,0], mean = np.zeros(2), cov = np.eye(2))
现在，我感兴趣的是计算点[0,0]在各种平均值上的对数密度。以下是我尝试过的方法
import numpy as np
import scipy.stats
grid = np.linspace(-2,2,51)
x,y = np.meshgrid(grid,grid)
scipy.stats.m
浏览 30提问于2019-08-06得票数 2
回答已采纳
我计算了两种证券收益的最小方差对冲比率(MVHR)：
用样本计算最优h* = Cov(S，F) / Var(F)
运行OLS回归并获得beta值
这两个值略有不同，例如，我得到h* = 0.9547和beta = 0.9537。但他们应该是一样的。为什么是这样？
下面是我的代码：
import numpy as np
import statsmodels.api as sm
var = np.var(secRets, ddof = 1)
cov_denom = len(secRets) - 1
for i in range (0, len(secRets)):
cov
浏览 1提问于2014-07-16得票数 0
回答已采纳
1回答
我需要做以下工作
b = numpy.random.randn(50001,2)
cof = numpy.corrcoef(b)
c= b>=0.3
return np.dot(c, np.ones([50001,1]))
它给我抛出了一个分段错误。
另外，如果我尝试使用稀疏矩阵，例如：
asp = scipy.sparse.csc_matrix(c)
我得到了一个分段错误
如果矩阵大小较小，则转换工作。
有什么建议吗？
浏览 0提问于2012-06-14得票数 2
3回答
我正在尝试找出如何使用Python Numpy函数cov计算协方差。当我传递两个一维数组时，我得到了一个2x2的结果矩阵。我不知道该怎么做。我不擅长统计，但我相信这种情况下的协方差应该是一个单一的数字。就是我要找的。我自己写的：
def cov(a, b):
if len(a) != len(b):
return
a_mean = np.mean(a)
b_mean = np.mean(b)
sum = 0
for i in range(0, len(a)):
sum += ((a[i] - a_mean) * (
浏览 6提问于2013-03-10得票数 68
回答已采纳
我只是好奇，想问这个问题。当我手动计算一组数据的协方差矩阵时，为什么我的值与numpy的值略有不同？
我有两组数据X和Y
data = io.loadmat("datafile.mat")['data']
X = data[:,0]
Y = data[:,1]
协方差矩阵可以这样计算(通过查看X和X、X和Y、Y和X之间的相关性，等等)
n = len(X)
corXX = np.var(X)
corXY = (1/n)*np.dot(X - np.mean(X), Y - np.mean(Y))
corYY = np.var(Y)
covariance = np
浏览 9提问于2018-02-20得票数 4
回答已采纳
我目前正试图通过Numpy运行一个矢量化的多变量抽样操作。我有形状k均值向量，对应于维数[N, N]的k协方差矩阵，我试图从多元正态分布中返回形状[N,]的k图。
我现在有一个循环来做上面的事情，
for batch in range(batch_size):
c[batch, :] = np.random.multivariate_normal(mean = a[batch, :], cov = b[batch, :, :])
但是想把上面的内容合并成一个矢量化的操作。问题是np.random.multivariate_normal只能以一维数组作为均值，以二维数组作为协方差。
我可
浏览 7提问于2021-09-30得票数 2
我正在使用Python3.6进行数据拟合。最近，我遇到了下面的问题，我缺乏经验，所以我不知道如何处理这个问题。
如果在同一组数据点上使用numpy.polyfit(x，y，1，cov=True)和scipy.curve_fit(lambda: x，a，b: a*x+b，x，y)，则得到几乎相同的系数a和b，但scipy.curve_fit的协方差矩阵的值约为numpy.polyfit值的一半。
由于我想使用协方差矩阵的对角线来估计系数的不确定性(u =numpy.sqrt(numpy.diag(Cov)，所以我有三个问题：
哪个协方差矩阵是正确的(我应该使用哪一个)？
为什么会有区别？
浏览 3提问于2018-08-23得票数 7
回答已采纳
我有下面的np.array
my_matrix = np.array([[1,np.nan,3], [np.nan,1,2], [np.nan,1,2]])
array([[ 1., nan, 3.],
[nan, 1., 2.],
[nan, 1., 2.]])
如果我在上面评估np.cov，我会得到：
np.cov(my_matrix)
array([[nan, nan, nan],
[nan, nan, nan],
[nan, nan, nan]])
但是如果我用pd.DataFrame.cov计算它，我得到一个不同的结果
浏览 0提问于2018-12-12得票数 7
回答已采纳
我的任务是用python编写一个函数来计算数组的协方差，而不使用numpy或统计模块。
我使用下面的代码来找出差异：
def daml_var(x):
m = x.sum() / len(x)
var = sum((x-m)**2 for x in x)/len(x)
return var
然而，我正在努力使用协方差公式！我下面的公式返回零...不知道为什么。有谁愿意接受吗？
def daml_cov(x, y):
m = x.sum() / len(x)
m2 = y.sum()/len(y)
xm = sum((x-m) for x in x
浏览 2提问于2020-06-01得票数 0
我正在使用python查找两个图像之间的协方差矩阵，例如大小为(N，N)的图像，但numpy.cov或numpy.corrcoef总是返回一个大小为(2N，2N)的矩阵，我不明白这一点。协方差矩阵不是和N，N阵列的大小相同吗？
浏览 1提问于2017-09-22得票数 0
1回答
Numpy协方差矩阵非
、、、、
我知道numpy.cov计算给定N维数组的协方差。
我可以看到认为正常化是由(N-1)完成的。但就我的具体情况而言，协方差矩阵是由以下方法给出的：
其中xi是数量。i和j是垃圾桶。
从上面的方程可以看出，这个协方差矩阵是用(N-1)/N规范的。
实现上述规范化
numpy.cov，，，，‘(N-1)2/N’**，能简单地乘以从得到的协方差矩阵，从而得到上述归一化吗？对吗？
或者应该在bias numpy.cov__？中使用参数。如果是，怎么做？
浏览 1提问于2015-07-06得票数 2
回答已采纳
这是代码：
p=[1,2,3,4]
q=[4,5,6,7]
z,n=numpy.polyfit(p,q,1,cov=True)
它给了我这样的信息：
4z，n=np.polyfit(p，q,1，cov=True)
C:\Users\Rekha\Anaconda3\lib\site-packages\numpy\lib\polynomial.py (x，y，deg，rcond，full，w，cov)
601 # Plus，它给出了一个稍保守的不确定性估计。
602 if len(x) <= order + 2：
-> 603提高ValueError(“数据点数必须超过+2”60
浏览 1提问于2017-09-24得票数 1
2回答
我需要计算矩阵列表的和，但是，我不能使用np.sum，即使是axis=0，我也不知道为什么。目前的解决方案是一个循环，但有更好的方法吗？
import numpy as np
SAMPLE_SIZES = [10, 100, 1000, 10000]
ITERATIONS = 1
MEAN = np.array([1, 1])
COVARIANCE = np.array([[1, 0.5], [0.5, 1]])
for sample_size in SAMPLE_SIZES:
max = -1
for i in range(ITERATIONS):
xs =
浏览 6提问于2016-09-14得票数 1
回答已采纳
这是我在网上找到的代码
d0 = pd.read_csv('./mnist_train.csv')
labels = d0.label.head(15000)
data = d0.drop('label').head(15000)
from sklearn.preprocessing import StandardScaler
standardized_data = StandardScaler().fit_transform(data)
#find the co-variance matrix which is : (A^T * A)/n
sample_d
浏览 0提问于2019-01-31得票数 2
回答已采纳
10回答
数值协方差矩阵
、、
假设我有两个长度为25的向量，我想计算它们的协方差矩阵。我试着用numpy.cov做这件事，但总是得到一个2x2的矩阵。
>>> import numpy as np
>>> x=np.random.normal(size=25)
>>> y=np.random.normal(size=25)
>>> np.cov(x,y)
array([[ 0.77568388, 0.15568432],
[ 0.15568432, 0.73839014]])
使用rowvar标志也无济于事--我得到的结果完全相同。
浏览 9提问于2013-02-23得票数 22
回答已采纳
2回答
我想知道是否有人可以给我一些关于如何在Python中计算协方差的提示；我不想使用numpy中的任何东西。我只想学习如何手动完成这项工作，并练习for循环。
基本上，我想计算的协方差为：
X = [1,2]
Y = [1,2,3]
P = [[0.25,0.25,0.0], [0.0, 0.25, 0.25]]
Mean of X: 1.5
Mean of Y: 2
这些值取自：
其结果应为0.25。
我已经在嵌套的for循环中遍历过X、Y和P，但不知道可以使用的其他方法来组合它们。
我基本上想要做这样的计算：
(1-1.5)(1-2)(0.25) + (1-1.5)(2-2)(0.25) +
浏览 1提问于2015-11-19得票数 1
1回答
模拟相关多元数据
、、、、
我试图从历史飓风数据中得到合成的结果。在我的问题中，飓风是由一组描述符(即风暴大小、风暴强度、风暴速度和风暴方向)参数化的--所有这些都引用了飓风穿过某些海岸线时的值。这些实现将用于对飓风引发的洪水进行概率预测。假设历史飓风数据来自某种潜在的多元分布。其想法是从这种基本分布(保持矩、相关、物理界，如正风暴大小等)中提取更多的样本。
我已经实现了最近邻高斯色散方法，由泰勒和汤普森提出的技术改进-发表在计算统计和数据分析，1986年。我想看看有没有更好的方法来做这件事。
数据样本(1940-2005年墨西哥湾飓风)：
def TT_alg(data_list, sample_size,
浏览 2提问于2013-09-28得票数 2
对于下面的代码，我无法得到A、B和C的单个值的标准错误。我尝试了几种不同的方法，要么得到0，要么得到一个单数值。下面的方法是我尝试过的最新方法，但没有奏效。有人有什么建议吗？我是Python新手。
import numpy as np
import pandas as pd
import scipy
import pylab
import matplotlib
import matplotlib.pyplot as plt
import math
import sympy as sp
from scipy.optimize import curve_fit
x = np.array([600,
浏览 0提问于2018-03-03得票数 1
回答已采纳
2回答
如何用Pandas计算协方差矩阵
、、、、
我想知道如何用Pandas计算协方差矩阵。我既不是数据科学家，也不是金融专家，我只是一个普通的开发人员，与他的团队格格不入。
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(252, 4)), columns=list('ABCD'))
print(df.cov())
所以，如果我这样做，我会得到这样的输出：
我发现这个数字很大，我希望它们接近于零。在获得保险之前，我需要计算回报吗？
有没有熟悉这个的人可以稍微解释一下，或者给我指出一个很好的解
浏览 1提问于2017-02-08得票数 6
1回答
给定维数X的维数D x N，利用QR分解计算C = np.dot(X, X.T)/N的特征值。依据如下：
我们期望C的特征值是np.diag(r.T,r)，使用以下方法
q, r=np.linalg.qr(np.dot(X.T, V))
lambdas2=np.diag(np.dot(r.T, r)) / N
但是，我使用下面的代码在lambdas2中使用的值与lambda1中的值不同。
from sklearn.decomposition import PCA
pca = PCA()
pca.fit(X)
lambdas1=pca.explained_variance_
完整的例子
浏览 0提问于2019-03-12得票数 1
回答已采纳
下午好。
我面临着一项PCA任务，它只涉及到降低向量的维数。在这种情况下，我对二维矩阵不感兴趣，只对一个D维向量感兴趣，我想沿着它的K个主特征向量投影。
为了实现PCA，我需要检索这个向量的协方差矩阵。让我们尝试在一个示例向量上执行此操作：
someVec = np.array([[1.0, 1.0, 2.0, -1.0]])
我将这个向量定义为一个1X4矩阵，即一个行向量，以使其与numpy.cov兼容。将这个向量的协方差矩阵通过numpy.cov将产生一个标量协方差矩阵，因为numpy.cov假设特征在行中：
print np.cov(someVec)
1.58333333333
但这只是
浏览 2提问于2012-12-11得票数 1
回答已采纳
尝试通过和贯穿学习PCA，但有趣的是，当我使用numpy和sklearn时，我得到了不同的协方差矩阵结果。
numpy结果与这个解释文本相匹配，但sklearn的结果与两者不同。
是否有理由这样做呢？
d = pd.read_csv("example.txt", header=None, sep = " ")
print(d)
0 1
0 0.69 0.49
1 -1.31 -1.21
2 0.39 0.99
3 0.09 0.29
4 1.29 1.09
5 0.49 0.79
6 0.19 -0.31
7 -0.81
浏览 3提问于2015-10-12得票数 1
回答已采纳
我有15个数据集，全部有62个信息点，我试图对它们进行pca分析，第一个数据集中的每一个点对应于第二个和第三个数据集中的相同点。但是现在我的代码，参见下面，在62点上产生均值，而不是在15点上，我在代码中只包含了3点。为什么当我在数组中交换x和y时，它会说‘我们假设a中的数据是用numrow>numcols组织的’。我能做些什么来改变这一切？这是我的密码。
import numpy as np
import matplotlib
from matplotlib.mlab import PCA
x=np.zeros((62,3))
a=np.genfromtxt('1.txt&#
浏览 0提问于2013-08-05得票数 2
回答已采纳
我为gmm回归找到了statsmodels.sandbox.regression.gmm，但我不明白如何用它来处理Newey错误。
也许让我概述一下我的具体情况:我只有一个解释变量和一个因变量。这是我正在使用的代码：
import numpy as np
import pandas as pd from statsmodels.sandbox.regression.gmm
import GMM
X = var_beta["f1"]
X = sm.add_constant(X)
y = var_beta["f2"]
model_1 = GMM(y,
浏览 23提问于2022-04-10得票数 1
我正在使用3维numpy数组，我最终将在其上执行PCA。我首先将3-D阵列展平为2-D，这样我就可以计算协方差(然后是特征值和特征向量)。
在计算协方差矩阵时，我使用numpy.cov和numpy.dot得到了不同的结果。如果我的2-D数组是(5,9)，我希望得到一个5x5 (即NxN)协方差矩阵。这就是我使用numpy.dot得到的结果。使用numpy.cov，我最终得到了一个9x9的协方差矩阵。这不适合我需要的形状，但老实说，我不知道哪一个是正确的。在我研究的示例中，我已经看到了用于计算协方差的两种方法。
如果我将numpy.dot与numpy.cov进行numpy.linalg.eig计
浏览 2提问于2012-09-13得票数 4
回答已采纳
3回答
我有以下数据：
A B
0 1 5
1 2 6
2 3 7
3 4 8
我想计算一下协方差
a = df.iloc[:,0].values
b = df.iloc[:,1].values
将numpy用于cov，如下所示：
numpy.cov(a,b)
我得到：
array([[ 1.66666667, 1.66666667],
[ 1.66666667, 1.66666667]])
对角线元素不应该是1吗？如何将对角线元素设置为1？
浏览 6提问于2017-11-22得票数 3
回答已采纳
我试图在矩阵中计算观察的概率，其中行是观察，列是使用python的特性。即使使用随机矩阵，我也总是会出现奇异矩阵错误，因此我怀疑我的代码有问题：
from scipy.stats import multivariate_normal
import numpy as np
def get_mean(x, axis=0):
return x.mean(axis=axis)
def get_sigma(x):
return np.cov(x, rowvar=False)
def get_probabilities(x, mu, sigma):
return multivari
浏览 0提问于2018-03-23得票数 1
回答已采纳
我正在尝试从头开始实现协方差。它引发了一个IndexError: list index out of range错误。这意味着什么?我如何更改我的代码？
数据来源：
在实现covariance矩阵之前，我计算了mean和standard deviation。
代码
import pandas as pd
df = pd.read_csv('C:/Users/User/Downloads/Admission_Predict.csv')
df = df.sample(frac=1)
# Correlation matrix
mat = df.to_numpy()
cov =
浏览 0提问于2021-09-12得票数 0
我有一个空间2D域，比如0,1×0,1。在这个域中，有6个点已经观察到了一些标量(例如，温度，机械应力，流体密度等)。我如何预测未观察到的点的兴趣量？换句话说，我如何在Python中插入空间数据？ 例如，考虑2D域中的点(输入)和兴趣量(输出)的相应观测值的以下坐标。 import numpy as np
coordinates = np.array([[0.0,0.0],[0.5,0.0],[1.0,0.0],[0.0,1.0],[0.5,1.],[1.0,1.0]])
observations = np.array([1.0,0.5,0.75,-1.0,0.0,1.0]) 可以使用以下命
浏览 89提问于2019-12-14得票数 1
我有一个简单的线性回归模型，我需要计算方差和协方差。如何用线性回归计算方差和协方差？
方差，在机器学习的上下文中，是由于模型对训练集中的小波动的敏感性而产生的一种错误。
from sklearn.linear_model import LinearRegression
import numpy as np
X = np.array([2,3,4,5])
y = np.array([4,3,2,9] )
#train-test split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.33, ra
浏览 3提问于2019-09-20得票数 0
回答已采纳
在这里，我在计算Pearson的相关性，这样我就能计算出每一个比较。
x = pd.DataFrame({'a':[3,6,4,7,9],'b':[6,2,4,1,5],'c':[7,9,1,2,9]},index=['aa','bb','cc','dd','ee']).T
y = pd.DataFrame({'A':[9,4,1,3,5],'B':[9,8,9,5,7],'C':[1,1,3,1,2]},index=[
浏览 6提问于2022-07-26得票数 0
回答已采纳
我试图用多项式拟合一组数据。有时，numpy.ployfit返回的协方差矩阵可能只由inf组成，尽管fit似乎很有用。数据中没有numpy.inf或“numpy.nan”！
示例：
import numpy as np
# sample data, does not contain really x**2-like behaviour,
# but that should be visible in the fit results
x = [-449., -454., -459., -464., -469.]
y = [ 0.9677024, 0.97341953, 0.9772497
浏览 7提问于2014-12-01得票数 2
回答已采纳
3回答
如何打印高斯曲线拟合结果？
、、、、
这花了我一些时间，但我已经使用下面的代码为我的x，y数据集创建了一个高斯拟合。 import matplotlib.pyplot as plt
import numpy as np
from scipy.optimize import curve_fit
def Gauss(x, a, x0, sigma, offset):
return a * np.exp(-(x - x0)**2 / (2 * sigma**2)) + offset
x, y = np.random.random(100), np.random.random(100)
popt, pcov = curve_fi
浏览 32提问于2020-08-26得票数 4
1回答
每次运行下面的代码，我得到不同的协方差，这是正常的吗？
%matplotlib inline
import numpy as np
from pylab import *
def de_mean(x):
xmean = mean(x)
return [xi - xmean for xi in x]
def covariance(x, y):
n = len(x)
return dot(de_mean(x), de_mean(y)) / (n-1)
pageSpeeds = np.random.normal(3.0, 1.0, 1000)
purchas
浏览 0提问于2018-02-07得票数 0
2回答
import numpy as np
from scipy.spatial import distance
d1 = np.random.randint(0, 255, size=(50))*0.9
d2 = np.random.randint(0, 255, size=(50))*0.7
vi = np.linalg.inv(np.cov(d1,d2, rowvar=0))
res = distance.mahalanobis(d1,d2,vi)
print res
ValueError:形状( 50，)和(2,2)未对齐:50(尺寸0) != 2(尺寸0)
浏览 1提问于2015-10-26得票数 0
The文档包含一个示例。完整的代码在问题的末尾。
协方差矩阵：
# The desired covariance matrix.
r = np.array([
[ 3.40, -2.75, -2.00],
[ -2.75, 5.50, 1.50],
[ -2.00, 1.50, 1.25]
])
我的问题是协方差矩阵中的每个值如何影响输出？也就是说，如果我想要构建只有2个变量或超过3个变量的样本数据集，如何确定我可以在协方差矩阵中使用哪些值？
"""Example of generating corre
浏览 0提问于2019-01-24得票数 0
回答已采纳
我在尝试使用scipy.stats.multivariate_normal时遇到了问题，希望你们中的某个人能帮上忙。
我有一个2x2矩阵，可以使用numpy.linalg.inv()求逆，但是当我尝试在multivariate_normal中使用它作为协方差矩阵时，我收到一个LinAlgError，指出它是一个奇异矩阵：
In [89]: cov = np.array([[3.2e5**2, 3.2e5*0.103*-0.459],[3.2e5*0.103*-0.459, 0.103**2]])
In [90]: np.linalg.inv(cov)
Out[90]:
array([[ 1
浏览 2提问于2016-02-09得票数 13
回答已采纳
1回答
我真的很困惑，希望有人能告诉我我错过了什么。我尝试通过两种不同的方法获取主成分： import numpy as np
data = np.array([[ 2.1250045 , -0.17169867, -0.47799957],
[ 0.7400025 , -0.07970344, -0.99600106],
[ 0.15800177, 1.2993019 , -0.8030003 ],
[ 0.3159989 , 1.919297 , 0.24300112],
浏览 28提问于2020-06-25得票数 2
1回答
我有一个多元概率密度函数P(x,y,z)，我想从中采样。通常，我会使用numpy.random.choice()来完成这类任务，但这个函数只适用于一维的概率密度。是否存在用于多变量PDF的等效函数？
浏览 3提问于2018-02-08得票数 2
1回答
我希望更好地理解由scikit learn的LDA对象返回的covariance_属性。
我确信我遗漏了一些东西，但我希望它是与输入数据相关的协方差矩阵。但是，当我将.covariance_与numpy.cov()返回的协方差矩阵进行比较时，我得到了不同的结果。
有人能帮我理解一下我错过了什么吗？感谢并乐于提供任何其他信息。
请在下面找到一个简单的例子来说明差异。
import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis
# Sample Data
X = np.array(
浏览 24提问于2019-12-22得票数 0
1回答
所以我刚开始用python做统计/机器学习，我用线性代数计算协方差矩阵。
例如：
import sklearn.preprocessing as pre
import pandas as pd
import numpy as np
cols = ['sepal length', 'sepal width', 'petal length', 'petal width', 'classification']
iris = pd.read_csv('data/iris.data', names=cols
浏览 2提问于2020-03-16得票数 1
回答已采纳
我试图使用numpy.random.multivariate_normal生成多个样本，其中每个样本都是从具有不同mean和cov的多元正态分布中提取的。例如，如果我想画两个样本，我试过
from numpy import random as rand
means = np.array([[-1., 0.], [1., 0.]])
covs = np.array([np.identity(2) for k in xrange(2)])
rand.multivariate_normal(means, covs)
但这会导致ValueError: mean must be 1 dimensio
浏览 1提问于2018-04-05得票数 5
回答已采纳
1回答
我有数据，我需要中心和规模，所以这是围绕着原点。然后需要旋转数据，使最大方差的方向在x轴上。然后计算数据的平均值和协方差。我需要协方差矩阵的第一个元素是1，我认为这是通过调整比例因子来完成的，但是我不知道标度因子应该是什么。
为了使数据中心化，我取掉平均值，然后旋转，我使用SVD，但是缩放仍然是我的问题。
signature = numpy.loadtxt(name, comments = '%', usecols = (0,cols-1))
signature = numpy.transpose(signature)
#SVD to get D so that data c
浏览 2提问于2012-04-05得票数 0
回答已采纳
Note
这是我的数据挖掘课的作业。
我要把相关的代码片段放到这个帖子上，但是你可以在上找到我的整个程序
我为这个程序使用的数据集可以在找到
所以我得到: RuntimeWarning:在sqrt中遇到的无效值返回np.sqrt(m)
我试图找到给定的虹膜数据集的平均Mahalanobis距离(对于原始数据集和规范化数据集)。这个错误只发生在数据集的规范化版本上，这让我想知道我是否错误地理解了规范化的含义(无论是在代码上还是在数学上)。
我认为规范化意味着向量的每个分量除以它的向量长度(导致向量加到1)。我发现这一点，所以质疑，并认为它符合我的概念正常化。但是现在我的代码报告说标准化数据集上
浏览 3提问于2013-04-19得票数 3
回答已采纳
我可以运行中给出的简单pykalman卡尔曼滤波示例。
import pykalman
import numpy as np
kf = pykalman.KalmanFilter(transition_matrices = [[1, 1], [0, 1]], observation_matrices = [[0.1, 0.5], [-0.3, 0.0]])
measurements = np.asarray([[1,0], [0,0], [0,1]]) # 3 observations
(filtered_state_means, filtered_state_covariances) =
浏览 11提问于2014-11-21得票数 3
回答已采纳
我试着用下面的方程式来拟合洛伦兹曲线：Lorentzian import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import numpy as np
# Fit a Lorentzian.
def duallorentz(x, x0, g, F,M) :
return ( (F/M) /((x0**2 - x**2)**2 + (g*x)**2)**0.5)
xdata = np.array([188.49, 191.63, 194.77, 196.66, 198.54, 200.43, 202
浏览 14提问于2020-09-17得票数 0
1回答
当将一条直线拟合到一组数据时，加上误差加权，我期望多元拟合返回一个2x2协方差矩阵，从这个矩阵中，我可以将对角元素平方根化，以求系数中的不确定性，但我没有。
下面是一个最低限度的工作示例：
from numpy import polyfit
x=[1.,2.,3.,4.,5.,6.,7.,8.,9.]
y=[1.,3.,2.,4.,5.,6.,6.,8.,9.]
yerr=[10.,5.,3.,2.,10.,10.,10.,10.,10.]
linear = polyfit(x,y, 1, w=yerr, full=True)
print(linear)
产出：
(array([ 0.
浏览 2提问于2014-03-22得票数 3
回答已采纳
2回答
我正在寻找计算两个数值数组(x和y)之间的马氏距离的NumPy方法。下面的代码可以使用Scipy的cdist函数正确地计算相同的值。因为这个函数在我的例子中计算了不必要的矩阵，所以我希望只使用NumPy来更直接地计算它。
import numpy as np
from scipy.spatial.distance import cdist
x = np.array([[[1,2,3,4,5],
[5,6,7,8,5],
[5,6,7,8,5]],
[[11,22,23,24,5],
浏览 0提问于2014-12-29得票数 15
回答已采纳
我有两个数据点，x和y，以及相关的y误差。我想通过数据点拟合一条直线，并计算斜率和截距的误差。当我尝试在cov=True中使用numpy ployfit来获得协方差矩阵以查找错误时，它给出了以下错误：
ValueError: operands could not be broadcast together with shapes (2,2) (0,)
示例代码：
import numpy as np
x=np.array([1,5])
y=np.array([1,5])
errors=np.array([0.2,0.4])
np.polyfit(x,y,1, w=errors, cov=Tru
浏览 1提问于2016-08-10得票数 2
我一直在到处寻找，我只找到了如何创建一个从一个向量到另一个向量的协方差矩阵，比如cov(xi，xj)。我困惑的一件事是，如何从集群中获得协方差矩阵。每个簇都有许多向量。如何将它们合并到一个协方差矩阵中。有什么建议吗？
信息：
输入:簇中的向量，Xi = ( x0，x1，...，xt)，x0={5 1 2 3 4} -->一个列向量
(实际上它是一个MFCC特征向量，每个向量有12个系数，在用k-means聚类后，8个聚类，现在我想得到每个聚类的协方差矩阵，作为高斯混合模型中的协方差矩阵)
output : covariance matrix n x n
浏览 4提问于2011-05-30得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
