协方差矩阵
如何求协方差矩阵
觉得有用的话,欢迎一起讨论相互学习~Follow Me
转载自：https://blog.csdn.net/kuang_liu/article/details/16369475 非常感谢
1. 协方差定义
X、Y 是两个随机变量，X、Y 的协方差 cov(X, Y) 定义为：
其中：
、
2. 协方差矩阵定义
矩阵中的数据按行排列与按列排列求出的协方差矩阵是不同的，这里默认数据是按行排列。即每一行是一个observation(or sample)，那么每一列就是一个随机变量。
协方差矩阵：
协方差矩阵的维度等于随机变量的个数，即每一个 observation 的维度。在某些场合前边也会出现 1 / m，而不是 1 / (m - 1).
3. 求解协方差矩阵的步骤
举个例子，矩阵 X 按行排列：
1. 求每个维度的平均值
2. 将 X 的每一列减去平均值
其中：
3. 计算协方差矩阵
注意：
有时候在书上或者网上会看到这样的公式，协方差矩阵 Σ：
这里之所以会是 X * X’ 是因为原始数据集 X 是按列排列的，即：
另外在 OpenCV 文档中关于计算协方差矩阵的calcCovarMatrix 函数的说明我觉得是有问题的，
在正常的CV_COVAR_NORMAL 状态下它给出的 cov = scale * X * X’，而这个定义仅仅是在数据按列排列下才有的，即CV_COVAR_COLS.
URL：http://docs.opencv.org/modules/core/doc/operations_on_arrays.html?highlight=calccovarmatrix#cv.CalcCovarMatrix
相关阅读
1.协方差定义：X,Y为两个随机变量，则它们的协方差值为：这个公式的推导很简单，
学过概率统计的孩子都知道，统计里最基本的概念就是样本的均值，方差，或者再加个标准差。首先我们给你一个含有n个样本的集合，依次给出
在做机器学习的过程中经常会有矩阵的相关运算，这里就比较典型的协方差和矩阵的相关系数做个自我的理解记录。 1.协方差 如果两个