empirical_covariance#

sklearn.covariance.empirical_covariance(X, *, assume_centered=False)[source]#

计算最大似然协方差估计器。

参数:
X形状为 (n_samples, n_features) 的 ndarray

用于计算协方差估计的数据。

assume_centered布尔值, 默认为 False

如果为 True，则数据在计算前不会进行中心化。这在处理均值接近但不完全为零的数据时非常有用。如果为 False，则数据在计算前会进行中心化。

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

经验协方差（最大似然估计器）。

示例

>>> from sklearn.covariance import empirical_covariance
>>> X = [[1,1,1],[1,1,1],[1,1,1],
...      [0,0,0],[0,0,0],[0,0,0]]
>>> empirical_covariance(X)
array([[0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25]])