«covariance» 태그된 질문

공분산은 두 변수 사이의 선형 관계의 강도와 방향을 측정하는 데 사용되는 양입니다. 공분산은 규모가 정해지지 않기 때문에 종종 해석하기가 어렵습니다. 변수의 SD에 의해 스케일링되면 Pearson의 상관 계수가됩니다.

10
평균 만 이해하는 사람에게 공분산을 어떻게 설명 하시겠습니까?
... 나는 직관적 인 방식으로 ( "직관적으로"를 이해 하는) 직관적 인 방식으로 분산에 대한 지식을 보강 할 수 있다고 가정합니다 . '평균'에서 데이터 값의 평균 거리입니다. 단위를 동일하게 유지하기 위해 제곱근을 취합니다.이를 표준 편차라고합니다. 이것이 '수신자'에 의해 분명히 표현되고 (희망적으로) 이해된다고 가정 해 봅시다. 이제 공분산이란 무엇이며 수학 용어 / …


6
상관과 공분산의 차이점을 어떻게 설명 하시겠습니까?
이 질문에 이어 평균 만 이해하는 사람에게 공분산을 어떻게 설명 하시겠습니까? 평신도에 대한 공분산을 설명하는 문제를 다루는 비슷한 생각을하게되었습니다. 공분산 과 상관 관계 의 차이를 통계적으로 네오 피트로 설명 할 수 있을까요? 둘 다 다른 변수에 다시 연결된 하나의 변수의 변경을 나타냅니다. 언급 된 질문과 마찬가지로 수식이 부족한 것이 좋습니다.


9
정규화 및 기능 확장은 어떻게, 왜 작동합니까?
많은 기계 학습 알고리즘이 평균 취소 및 공분산 이퀄라이제이션으로 더 잘 작동한다는 것을 알았습니다. 예를 들어 신경망은 더 빨리 수렴하는 경향이 있으며 K-Means는 일반적으로 사전 처리 된 기능으로 더 나은 클러스터링을 제공합니다. 이러한 사전 처리 단계의 직관이 성능 향상으로 이어지지는 않습니다. 누군가 나에게 이것을 설명 할 수 있습니까?

4
공분산과 독립?
나는 교과서에서 이 X와 Y가 독립적이라는 것을 보증하지 않는다고 읽었습니다 . 그러나 만약 그들이 독립적이라면, 그들의 공분산은 0이어야합니다. 누군가가 하나를 제공 할 수 있습니까?코브 ( X, Y) = 0코브(엑스,와이)=0\text{cov}(X,Y)=0


2
공분산 행렬의 역수는 데이터에 대해 무엇을 말합니까? (직관적으로)
나는 의 본질이 궁금하다 Σ−1Σ−1\Sigma^{-1}. " Σ−1Σ−1\Sigma^{-1} 은 데이터에 대해 무엇을 말합니까?"에 대해 직관적으로 말할 수있는 사람이 있습니까? 편집하다: 답장을 보내 주셔서 감사합니다 훌륭한 코스를 수강 한 후 몇 가지 요점을 추가하고 싶습니다. 정보의 측정 값, 즉 는 방향 x를 따른 정보량입니다 .xTΣ−1xxTΣ−1xx^T\Sigma^{-1}xxxx 이중성은 : 부터 명확한 긍정적 인, 그래서이다 …

6
공분산 추정량의 분모가 왜 n-1이 아닌 n-2가 아니어야합니까?
(편향되지 않은) 분산 추정기의 분모는 이며, 관측치 가 개이고 하나의 모수 만 추정되기 때문입니다.Nn−1n−1n-1nnn V(X)=∑ni=1(Xi−X¯¯¯¯)2n−1V(X)=∑i=1n(Xi−X¯)2n−1 \mathbb{V}\left(X\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)^{2}}{n-1} 같은 토큰으로 두 개의 모수를 추정 할 때 왜 공분산의 분모가 가되지 않아야하는지 궁금합니다 .n−2n−2n-2 Cov(X,Y)=∑ni=1(Xi−X¯¯¯¯)(Yi−Y¯¯¯¯)n−1Cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n−1 \mathbb{Cov}\left(X, Y\right)=\frac{\sum_{i=1}^{n}\left(X_{i}-\overline{X}\right)\left(Y_{i}-\overline{Y}\right)}{n-1}



4
최대 가능성을 사용하여 다변량 정규 모형을 피팅 할 때 공분산 행렬의 속성을 보장하는 방법은 무엇입니까?
다음 모델이 있다고 가정하십시오. yi=f(xi,θ)+εiyi=f(xi,θ)+εiy_i=f(x_i,\theta)+\varepsilon_i 여기서 yi∈RKyi∈RKy_i\in \mathbb{R}^K , xixix_i 는 설명 변수로 구성된 벡터이고, θθ\theta 는 비선형 함수 fff 및 의 매개 변수입니다 εi∼N(0,Σ)εi∼N(0,Σ)\varepsilon_i\sim N(0,\Sigma). 여기서 ΣΣ\Sigma 자연스럽게 K×KK×KK\times K 행렬입니다. 목표는 일반적으로 θθ\theta 및 를 추정하는 것입니다 ΣΣ\Sigma. 확실한 선택은 최대 가능성 방법입니다. 이 모델에 대한 로그 우도 …

3
양수가 아닌 공분산 행렬은 내 데이터에 대해 무엇을 알려줍니까?
여러 다변량 관측 값이 있으며 모든 변수에 대한 확률 밀도를 평가하려고합니다. 데이터가 정규 분포되어 있다고 가정합니다. 적은 수의 변수에서는 모든 것이 예상대로 작동하지만 더 큰 수로 이동하면 공분산 행렬이 양의 한정이 아닙니다. Matlab의 문제를 다음과 같이 줄였습니다. load raw_data.mat; % matrix number-of-values x number of variables Sigma = cov(data); [R,err] …

2
거리 공분산이 선형 공분산보다 덜 적절한 경우는 언제입니까?
방금 브라운 / 거리 공분산 / 상관에 대해 막연하게 소개되었습니다 . 의존성을 테스트 할 때 많은 비선형 상황에서 특히 유용합니다. 그러나 공분산 / 상관 관계가 종종 비선형 / 카오스 데이터에 사용되는 경우에도 자주 사용되지 않는 것 같습니다. 그것은 거리 공분산에 몇 가지 단점이있을 수 있다고 생각합니다. 그렇다면 그것들은 무엇이며 왜 …

2
선형 변환 후 랜덤 벡터의 공분산
경우 임의의 벡터이고, 고정 된 행렬이고, 누군가가 설명 할 수있는 이유지지\mathbf {Z}에이에이Ac o v [A Z ]=A c o v [ Z ] A⊤.기음영형V[에이지]=에이기음영형V[지]에이⊤.\mathrm{cov}[A \mathbf {Z}]= A \mathrm{cov}[\mathbf {Z}]A^\top.
20 covariance 

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.