我使用 python 的三个函数来计算相同输入的协方差， 输出截然不同。有谁有经验并且知道哪一种效果最好？ (有什么区别？)
我使用的功能是
sklearn.covariance.empirical_covariance(.)
MinCovDet().fit(.)
np.cov(.)
任何见解都值得赞赏。
sklearn.covariance.empirical_covariance(.) 给了我简单的
cov = (1/N) * M.transpose * M
最佳答案
同意约瑟夫·汉森的观点，更具体的内容将有助于获得彻底的答案。很快，我相信 sklearn.covariance 计算总体的协方差。然而，默认情况下 numpy.cov 计算样本协方差。要获得总体协方差，您可以指定总 N 个样本的归一化，如下所示:
协方差 = numpy.cov(a, b,bias=True)[0][1]
关于python - 为什么Python中协方差函数的输出差异太大？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55364715/