normal-distribution - 无法正确计算 np.cov()

Question

这个问题可能很愚蠢，但我找不到解释。

我正在从头开始编码多元概率密度函数（出于研究目的），我需要计算的一件事是数据的协方差矩阵。我正在使用 Iris 数据集（150 个样本，4 个特征），当我编码时：

cov_matrix = np.cov(X)
print(cov_matrix.shape) // (150,150)

我不明白为什么它返回一个 150x150 矩阵，这是一个“逐元素协方差矩阵”吗？它不应该是一个 4x4 协方差矩阵吗？

提前致谢。

Answer 1

默认情况下， Numpy 假设变量在行中，而观察值在列中：

rowvar : bool，可选
如果 rowvar 为 True（默认），则每一行代表一个变量，列中包含观察值。否则，关系被转置：每列代表一个变量，而行包含观察值。

Answer 2

在numpy.cov的参考页面中，有一个名为的参数，默认rowvar设置为True。以下段落是它的解释：

如果 rowvar 为 True（默认），则每一行代表一个变量，列中包含观察值。否则，关系被转置：每列代表一个变量，而行包含观察值。

因此，它假设给定的矩阵在列中有观察值。因此，您需要输入$X^T$（通过X.T）或使用 调用此函数rowvar=False。