没有合适的资源?快使用搜索试试~ 我知道了~
摘要文章名协方差矩阵的几何解释作者文森特斯普鲁特在本文中,我们展示了观测数据的协方差矩阵与白色不相关数据的线性变换直接相关。该线性变换完全由数据的特征向量和特征
资源详情
资源评论
资源推荐
协方差矩阵的几何解释
内容[ 隐藏 ] [ 隐藏 ]
1简介
2协方差矩阵的特征分解
3协方差矩阵作为线性变换
4结论
介绍
在本文中,我们通过探索线性变换与结果数据协方差之间的关系,提供协方差矩阵的直观,几何解释。大多数教科书
基于协方差矩阵的概念来解释数据的形状。相反,我们采用向后的方法,并基于数据的形状解释协方差矩阵的概念。
在之前的一篇文章中,我们讨论了方差的概念,并提供了众所周知的公式来推导和证明,以估计样本方差。本文中使
用图1来表明标准偏差(作为方差的平方根)可以衡量数据在特征空间中的分布程度。
首页
»
数
学
基
础
»
线
性
代
数
»
协
方
差
矩
阵
的
几何
解
释
计算机视觉的假人
Go to...
查看我的前4个必读
机器学习书籍
机器学习书籍
(2)
(3)
图2.协方差捕获数据的诊断传播。
对于这些数据,我们可以计算 x方向的方差 和y方向的方差。然而,数据的水平扩展和垂直扩展
并不能解释清晰的对角线相关性。图2清楚地显示,平均而言,如果数据点的x值增加,则y值也增加,导致正相关。
通过将方差概念扩展到所谓的数据的“协方差”,可以捕获这种相关性:
对于二维数据,我们因此得到 , , 和 。这四个值可以用矩阵表示,称为
协方差矩阵:
如果x与y正相关,则y也与x正相关。换句话说,我们可以说明这一点 。因此,协方差矩
阵始终是对称矩阵,其对角线的方差和非对角线的协方差。二维正态分布数据完全由其均值和 协方差矩阵解
释。类似地, 协方差矩阵用于捕获三维数据 的扩展,协方差矩阵捕获N维数据的扩展。
图3说明了数据的整体形状如何定义协方差矩阵:
剩余10页未读,继续阅读
英次
- 粉丝: 20
- 资源: 306
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0