MinCovDet#

class sklearn.covariance.MinCovDet(*, store_precision=True, assume_centered=False, support_fraction=None, random_state=None)[source]#

最小协方差行列式（MCD）：协方差的鲁棒估计器。

最小协方差行列式协方差估计器适用于高斯分布数据，但对于单峰、对称分布的数据也可能适用。它不适用于多峰数据（在这种情况下，用于拟合 MinCovDet 对象的算法可能会失败）。应考虑使用投影追踪方法来处理多峰数据集。

在用户指南中阅读更多内容。

参数:
store_precision布尔型, 默认为 True

指定是否存储估计的精度。

assume_centered布尔型, 默认为 False

如果为 True，则计算鲁棒位置和协方差估计的支持，并从中重新计算协方差估计，而不对数据进行中心化。这对于平均值显著等于零但不完全为零的数据很有用。如果为 False，则直接使用 FastMCD 算法计算鲁棒位置和协方差，无需额外处理。

support_fraction浮点型, 默认为 None

包含在原始 MCD 估计支持中的点比例。默认为 None，这意味着将在算法中使用 support_fraction 的最小值：(n_samples + n_features + 1) / 2 * n_samples。该参数必须在 (0, 1] 范围内。

random_state整型, RandomState 实例或 None, 默认为 None

确定用于混洗数据的伪随机数生成器。传递一个整型值可在多次函数调用中获得可重现的结果。请参见术语表。

属性:
raw_location_形状为 (n_features,) 的 ndarray

校正和重新加权之前的原始鲁棒估计位置。

raw_covariance_形状为 (n_features, n_features) 的 ndarray

校正和重新加权之前的原始鲁棒估计协方差。

raw_support_形状为 (n_samples,) 的 ndarray

用于计算原始鲁棒位置和形状估计的观测值掩码，在校正和重新加权之前。

location_形状为 (n_features,) 的 ndarray

估计的鲁棒位置。

covariance_形状为 (n_features, n_features) 的 ndarray

估计的鲁棒协方差矩阵。

precision_形状为 (n_features, n_features) 的 ndarray

估计的伪逆矩阵。（仅当 store_precision 为 True 时存储）

support_形状为 (n_samples,) 的 ndarray

用于计算鲁棒位置和形状估计的观测值掩码。

dist_形状为 (n_samples,) 的 ndarray

训练集（在其上调用fit）观测值的马哈拉诺比斯距离。

n_features_in_整型

在拟合（fit）期间看到的特征数量。

0.24 版本新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在拟合（fit）期间看到的特征名称。仅当 X 的所有特征名称均为字符串时定义。

1.0 版本新增。

另请参见

EllipticEnvelope

用于在高斯分布数据集中检测异常值的对象。

EmpiricalCovariance

最大似然协方差估计器。

GraphicalLasso

使用 l1 惩罚估计器进行稀疏逆协方差估计。

GraphicalLassoCV

通过交叉验证选择 l1 惩罚的稀疏逆协方差。

LedoitWolf

LedoitWolf 估计器。

OAS

Oracle 近似收缩估计器。

ShrunkCovariance

带收缩的协方差估计器。

参考文献

[Rouseeuw1984]

P. J. Rousseeuw. 最小中值平方回归。J. Am Stat Ass, 79:871, 1984。

[Rousseeuw]

最小协方差行列式估计器的快速算法, 1999, 美国统计协会和美国质量协会, TECHNOMETRICS

[ButlerDavies]

R. W. Butler, P. L. Davies 和 M. Jhun, 最小协方差行列式估计器的渐近性质, 统计年鉴 (The Annals of Statistics), 1993, 卷 21, 第 3 期, 1385-1400

示例

>>> import numpy as np
>>> from sklearn.covariance import MinCovDet
>>> from sklearn.datasets import make_gaussian_quantiles
>>> real_cov = np.array([[.8, .3],
...                      [.3, .4]])
>>> rng = np.random.RandomState(0)
>>> X = rng.multivariate_normal(mean=[0, 0],
...                                   cov=real_cov,
...                                   size=500)
>>> cov = MinCovDet(random_state=0).fit(X)
>>> cov.covariance_
array([[0.7411, 0.2535],
       [0.2535, 0.3053]])
>>> cov.location_
array([0.0813 , 0.0427])
correct_covariance(data)[source]#

对原始最小协方差行列式估计应用校正。

使用 Rousseeuw 和 Van Driessen 在[RVD]中提出的经验校正因子进行校正。

参数:
data形状为 (n_samples, n_features) 的类数组

数据矩阵，包含 p 个特征和 n 个样本。数据集必须是用于计算原始估计的数据集。

返回:
covariance_corrected形状为 (n_features, n_features) 的 ndarray

校正后的鲁棒协方差估计。

参考文献

[RVD]

最小协方差行列式估计器的快速算法, 1999, 美国统计协会和美国质量协会, TECHNOMETRICS

error_norm(comp_cov, norm='frobenius', scaling=True, squared=True)[source]#

计算两个协方差估计器之间的均方误差。

参数:
comp_cov形状为 (n_features, n_features) 的类数组

要比较的协方差。

norm{“frobenius”, “spectral”}, 默认为”frobenius”

用于计算误差的范数类型。可用的误差类型：- ‘frobenius’（默认）：sqrt(tr(A^t.A)) - ‘spectral’：sqrt(max(eigenvalues(A^t.A))，其中 A 是误差 (comp_cov - self.covariance_)。

scaling布尔型, 默认为 True

如果为 True（默认），则将平方误差范数除以 n_features。如果为 False，则不重新缩放平方误差范数。

squared布尔型, 默认为 True

是否计算平方误差范数或误差范数。如果为 True（默认），则返回平方误差范数。如果为 False，则返回误差范数。

返回:
result浮点型

self 和 comp_cov 协方差估计器之间的均方误差（在 Frobenius 范数意义上）。

fit(X, y=None)[source]#

使用 FastMCD 算法拟合最小协方差行列式。

参数:
X形状为 (n_samples, n_features) 的类数组

训练数据，其中 n_samples 是样本数量，n_features 是特征数量。

y忽略

未使用，按惯例为保持 API 一致性而存在。

返回:
self对象

返回实例本身。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅用户指南，了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deep布尔型, 默认为 True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
params字典

参数名称及其对应的值。

get_precision()[source]#

精度矩阵的获取器。

返回:
precision_形状为 (n_features, n_features) 的类数组

与当前协方差对象关联的精度矩阵。

mahalanobis(X)[source]#

计算给定观测值的马哈拉诺比斯距离平方。

参数:
X形状为 (n_samples, n_features) 的类数组

计算观测值的马哈拉诺比斯距离。假定观测值来自与拟合中使用的数据相同的分布。

返回:
dist形状为 (n_samples,) 的 ndarray

观测值的马哈拉诺比斯距离平方。

reweight_covariance(data)[source]#

重新加权原始最小协方差行列式估计。

使用 Rousseeuw 的方法（相当于在计算位置和协方差估计之前从数据集中删除离群观测值）重新加权观测值，该方法在[RVDriessen]中描述。

参数:
data形状为 (n_samples, n_features) 的类数组

数据矩阵，包含 p 个特征和 n 个样本。数据集必须是用于计算原始估计的数据集。

返回:
location_reweighted形状为 (n_features,) 的 ndarray

重新加权后的鲁棒位置估计。

covariance_reweighted形状为 (n_features, n_features) 的 ndarray

重新加权后的鲁棒协方差估计。

support_reweighted形状为 (n_samples,), dtype=bool 的 ndarray

用于计算重新加权后的鲁棒位置和协方差估计的观测值掩码。

参考文献

[RVDriessen]

最小协方差行列式估计器的快速算法, 1999, 美国统计协会和美国质量协会, TECHNOMETRICS

score(X_test, y=None)[source]#

计算在估计的高斯模型下 X_test 的对数似然。

高斯模型由其均值和协方差矩阵定义，分别由 self.location_ 和 self.covariance_ 表示。

参数:
X_test形状为 (n_samples, n_features) 的类数组

测试数据，我们计算其似然，其中 n_samples 是样本数量，n_features 是特征数量。X_test 假定与拟合中使用的 (“fit”) 数据（包括中心化）来自同一分布。

y忽略

未使用，按惯例为保持 API 一致性而存在。

返回:
res浮点型

以 self.location_ 和 self.covariance_ 分别作为高斯模型均值和协方差矩阵的估计器，计算 X_test 的对数似然。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单估计器以及嵌套对象（例如Pipeline）。嵌套对象的参数形式为 <component>__<parameter>，因此可以更新嵌套对象的每个组件。

参数:
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。