sklearn.covariance(协方差)模块结构及用法
许多统计学问题需要做总体协方差矩阵评估,可以看作是数据集散点图的评估。
大多数情况下,这样一个评估会在与一个对估计质量有很大影响(大小、结构、同质性)的样本上完成。
sklearn.covariance包为在各种条件下精确评估总体协方差矩阵提供了有效工具。
我们假设观察值是独立且同分布的。
模块提供了以下四种常见估计方法:
Empirical covariance经验协方差 官方文档
class sklearn.covariance.EmpiricalCovariance(store_precision=True, assume_centered=False)
Shrunk Covariance缩减协方差
Sparse inverse covariance稀疏逆协方差
Robust Covariance Estimation 鲁棒协方差估计
模块内各种类及函数
covariance.EmpiricalCovariance ([…])
|
Maximum likelihood covariance estimator |
---|---|
covariance.EllipticEnvelope ([…])
|
An object for detecting outliers in a Gaussian distributed dataset. |
covariance.GraphicalLasso ([alpha, mode, …])
|
Sparse inverse covariance estimation with an l1-penalized estimator. |
covariance.GraphicalLassoCV ([alphas, …])
|
Sparse inverse covariance w/ cross-validated choice of the l1 penalty. |
covariance.LedoitWolf ([store_precision, …])
|
LedoitWolf Estimator |
covariance.MinCovDet ([store_precision, …])
|
Minimum Covariance Determinant (MCD): robust estimator of covariance. |
covariance.OAS ([store_precision, …])
|
Oracle Approximating Shrinkage Estimator |
covariance.ShrunkCovariance ([…])
|
Covariance estimator with shrinkage |
covariance.empirical_covariance (X[, …])
|
Computes the Maximum likelihood covariance estimator |
---|---|
covariance.graphical_lasso (emp_cov, alpha[, …])
|
l1-penalized covariance estimator |
covariance.ledoit_wolf (X[, assume_centered, …])
|
Estimates the shrunk Ledoit-Wolf covariance matrix. |
covariance.oas (X[, assume_centered])
|
Estimate covariance with the Oracle Approximating Shrinkage algorithm. |
covariance.shrunk_covariance (emp_cov[, …])
|
Calculates a covariance matrix shrunk on the diagonal |
Reference
- Covariance estimation
- sklearn中文手册
- 协方差详解角度:历史、数学、物理意义
sklearn.covariance(协方差)模块结构及用法相关推荐
- sklearn(三) sklearn.covariance 协方差估计 *
首先对协方差有个总体认识:协方差主要是用来估计数据中不同特征之间的相互关系的一个统计量,除协方差以外,"相关系数"也可以用来估计数据中不同特征的相互关系. "相关系数&q ...
- Python中pyqtgraph模块结构及用法(1)
pyqtgraph官方文档 官方网站 pyqtgraph是一个纯python的图形和GUI库,基于PyQt4\PySide和Numpy 一. pyqtgraph绘图方式 方法 官方文档 描述 pyqt ...
- python pandas模块_Python3.5 Pandas模块中Series用法详解
Python3.5 Pandas模块中Series用法实例 本文实例讲述了Python3.5 Pandas模块之Series用法.分享给大家供大家参考,具体如下: 1.Pandas模块引入与基本数据结 ...
- python open方法下file模块_python-linecache模块读取文件用法
python-linecache模块读取文件用法详解 linecache模块允许从任何文件里得到任何的行,并且使用缓存进行优化,常见的情况是从单个文件读取多行. 1.linecache.getline ...
- python threading join_Python中threading模块join函数用法实例分析
本文实例讲述了Python中threading模块join函数用法.分享给大家供大家参考.具体分析如下: join的作用是众所周知的,阻塞进程直到线程执行完毕.通用的做法是我们启动一批线程,最后joi ...
- sklearn中cross_val_score、cross_val_predict的用法比较
sklearn中cross_val_score.cross_val_predict的用法比较_程大海的博客-CSDN博客_cross_val_predict
- pythonurllib模块-Python3中核心模块urllib的用法大全
Python的urllib模块提供了一个高级的Web通信库,支持基本的协议,如HTTP.FTP和Gopher,同时也支持对本地文件的访问.在Python3中,urllib.urlparse.urlli ...
- python xlsxwriter 画图_Python XlsxWriter模块Chart类用法实例分析
本文实例讲述了Python XlsxWriter模块Chart类用法.共享给大家供大家参考,详细如下: 一 点睛 Chart类是XlsxWriter模块中图表组件的基类,支持的图表类型包括面积.条形图 ...
- python scatter参数详解_matplotlib.pyplot.scatter散点图结构及用法||参数详解
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=N ...
最新文章
- Linux串口读取与解析
- 配置整合DWR3.0和Spring2.5使用annotation注解
- Qt修炼手册3_VS建立的Qt工程(或项目)生成pro文件
- SAP Fiori Elements List Report 里的表格类型(tableType)是如何决定出来的
- SAP Spartacus ProductOccModule
- Java 答疑:JDK 11(Java 11)之后没有 JRE 目录,环境用户变量配置的解决方法
- php如何封装类内乡通南阳的_PHP类(三)-类的封装
- Highcharts的使用
- Android JNI层确保只有一个进程的一个实现
- allow control allow origin_Origin绘图笔记(一)——如何高效绘制一个漂亮的数据图...
- SVN: repository browser 库浏览器
- HTML-参考手册: HTML 符号实体
- 工业4.0时代,怎样为孩子筹备未来教育?
- 科技文献检索(二)——文献定义及类型
- 游戏开发技术帖:光线追踪技术的误点和难点
- 常见计算机蓝屏代码,史上最全蓝屏代码分析,快速解决电脑常见故障,值得收藏!...
- 树莓派 pico pio 可编程io
- [HAOI2006]旅行comf(枚举+最小生成树)
- 数据库:试图删除被依赖对象
- FPGA Verilog HDL 系列实例--------双向移位寄存器
热门文章
- SpringBoot -> 国际化(i18n)
- java i18n 实现_Spring Boot i18n(国际化)实现
- Hibernate,关系映射的多对一单向关联、多对一双向关联、一对一主键关联、一对一外键关联、多对多关系关联...
- win10系统中如何显示在此处打开命令窗口
- 23春-第三次集训题解
- JPA:@Modifying注解(UPDATE或者DELETE)
- 各种未解决配置烦心事:
- 报名-体检-上理论课-理论考-模拟1-练车-场考-模拟2 - 练车 - 路考-理论考- 拿驾照...
- 摄像头动态捕捉小程序
- connman添加获取BSSID(热点/路由器MAC)功能