溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容介紹了“機器學習中求協方差矩陣的方法是什么”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！
X、Y 是兩個隨機變量，X、Y 的協方差 cov(X, Y) 定義為：
其中：
、
矩陣中的數據按行排列與按列排列求出的協方差矩陣是不同的，這里默認數據是按行排列。即每一行是一個observation(or sample)，那么每一列就是一個隨機變量。
協方差矩陣：
協方差矩陣的維度等于隨機變量的個數，即每一個 observation 的維度。在某些場合前邊也會出現 1 / m，而不是 1 / (m - 1).
舉個例子，矩陣 X 按行排列：
其中：
注意：
有時候在書上或者網上會看到這樣的公式，協方差矩陣 Σ：
這里之所以會是 X * X' 是因為原始數據集 X 是按列排列的，即：
“機器學習中求協方差矩陣的方法是什么”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
