- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我是Python和线性代数的新手,我有一个关于矩阵协方差的问题。
我有一个 21 x 2 矩阵,其中第一列代表当年发布的视频游戏的平均得分(从 0 到 10),第二列代表从 1996 年到 2016 年的年份。
我正在处理数据,我注意到通过执行 np.cov(X)我得到了一个非常有趣的图表。我将在下面列出图表。据我了解,协方差显示了数据集中变量之间的依赖性,但是根据这个协方差图,我们可以说游戏的平均分数随着年份的增长而上升,这样的说法是否正确?
谢谢。
最佳答案
你的计算没有意义。默认情况下,对于 np.cov(X) 来说,X 的每一行代表一个变量,在列中包含观察结果。比如说,第一行可能是一年中的降雨量,另一行是视频游戏的平均评分,另一行可能只是年份本身的数字,例如 2012 年。然后 C = np.cov(X)
将为您提供一个 3 x 3 矩阵 C,其中每个对角线条目表示该行内有多少方差,非对角线条目表示不同行的相关程度。即第i行和第j行的相关系数为C[i,j]/sqrt(C[i,i]*C[j,j])
。
如果您的数据类似于 X = [[7.5, 2010], [8.2, 2011], [8.1, 2013]]
,则 np.cov(X)
没有意义,因为 7.5 和 2010 不是同一变量的两个不同观测值。相反,7.5、8.2 和 8.1 是对同一变量(游戏评分)的不同观察结果。你应该使用的是
C = np.cov(X, rowvar=False)
告诉 Numpy 你的变量在列中。在我的示例中,您将得到一个 2 x 2 矩阵(因为有 2 个变量)
[[ 0.14333333, 0.38333333],
[ 0.38333333, 2.33333333]]
由于非对角项为正,因此两个变量确实呈正相关。具体来说,相关系数为C[0,1]/np.sqrt(C[0,0]*C[1,1])
,为0.66,相关性相当强。
关于python - numpy.cov 实际上做了什么,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40945088/
作为脚本的输出,我有 numpy masked array和标准numpy array .如何在运行脚本时轻松检查数组是否为掩码(具有 data 、 mask 属性)? 最佳答案 您可以通过 isin
我的问题 假设我有 a = np.array([ np.array([1,2]), np.array([3,4]), np.array([5,6]), np.array([7,8]), np.arra
numpy 是否有用于矩阵模幂运算的内置实现? (正如 user2357112 所指出的,我实际上是在寻找元素明智的模块化减少) 对常规数字进行模幂运算的一种方法是使用平方求幂 (https://en
我已经在 Numpy 中实现了这个梯度下降: def gradientDescent(X, y, theta, alpha, iterations): m = len(y) for i
我有一个使用 Numpy 在 CentOS7 上运行的项目。 问题是安装此依赖项需要花费大量时间。 因此,我尝试 yum install pip install 之前的 numpy 库它。 所以我跑:
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
numpy.random.seed(7) 在不同的机器学习和数据分析教程中,我看到这个种子集有不同的数字。选择特定的种子编号真的有区别吗?或者任何数字都可以吗?选择种子数的目标是相同实验的可重复性。
我需要读取存储在内存映射文件中的巨大 numpy 数组的部分内容,处理数据并对数组的另一部分重复。整个 numpy 数组占用大约 50 GB,我的机器有 8 GB RAM。 我最初使用 numpy.m
处理我想要旋转的数据。请注意,我仅限于 numpy,无法使用 pandas。原始数据如下所示: data = [ [ 1, a, [, ] ], [ 1, b, [, ] ], [ 2,
似乎 numpy.empty() 可以做的任何事情都可以使用 numpy.ndarray() 轻松完成,例如: >>> np.empty(shape=(2, 2), dtype=np.dtype('d
我在大型 numpy 数组中有许多不同的形式,我想使用 numpy 和 scipy 计算它们之间的边到边欧氏距离。 注意:我进行了搜索,这与堆栈中之前的其他问题不同,因为我想获得数组中标记 block
我有一个大小为 (2x3) 的 numpy 对象数组。我们称之为M1。在M1中有6个numpy数组。M1 给定行中的数组形状相同,但与 M1 任何其他行中的数组形状不同。 也就是说, M1 = [ [
如何使用爱因斯坦表示法编写以下点积? import numpy as np LHS = np.ones((5,20,2)) RHS = np.ones((20,2)) np.sum([ np.
假设我有 np.array of a = [0, 1, 1, 0, 0, 1] 和 b = [1, 1, 0, 0, 0, 1] 我想要一个新矩阵 c 使得如果 a[i] = 0 和 b[i] = 0
我有一个形状为 (32,5) 的 numpy 数组 batch。批处理的每个元素都包含一个 numpy 数组 batch_elem = [s,_,_,_,_] 其中 s = [img,val1,val
尝试为基于文本的多标签分类问题训练单层神经网络。 model= Sequential() model.add(Dense(20, input_dim=400, kernel_initializer='
首先是一个简单的例子 import numpy as np a = np.ones((2,2)) b = 2*np.ones((2,2)) c = 3*np.ones((2,2)) d = 4*np.
我正在尝试平均二维 numpy 数组。所以,我使用了 numpy.mean 但结果是空数组。 import numpy as np ws1 = np.array(ws1) ws1_I8 = np.ar
import numpy as np x = np.array([[1,2 ,3], [9,8,7]]) y = np.array([[2,1 ,0], [1,0,2]]) x[y] 预期输出: ar
我有两个数组 A (4000,4000),其中只有对角线填充了数据,而 B (4000,5) 填充了数据。有没有比 numpy.dot(a,b) 函数更快的方法来乘(点)这些数组? 到目前为止,我发现
我是一名优秀的程序员,十分优秀!