empirical_covariance#

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

计算最大似然协方差估算器。

参数:
Xndarray of shape (n_samples, n_features)

Data from which to compute the covariance estimate.

assume_centeredbool, default=False

如果 True，在计算之前数据将不会被中心化。当处理均值几乎为零但不完全为零的数据时很有用。如果 False，数据在计算之前将被中心化。

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

经验协方差（最大似然估计）。

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]])