공분산 C
이 n
인 p
수량을 계산하고 싶습니다. 각 개별 수량 측정에는 자체 무게가 주어집니다. 즉, 내 무게 배열 W
의 모양이 내 수량 배열 Q
(n
x)과 동일합니다. 네이티브 np.cov()
함수는 개별 측정에 제공된 가중치 (즉, 길이가 n
인 벡터) 만 지원합니다.numpy의 가중 공분산 행렬
p
을 p
행렬로 초기화하고 반복 할 수 있지만 p
이 큰 경우 매우 느립니다. Q
이후
각각 양 (Q
의 열)에 대한 제로 평균을 갖는 것으로 알려져있다, I는 분자가 Q[:, i] * W[:, i] * Q[:, j] * W[:, j]
이어야 재정렬하면 C
의 각 요소에 대한 명시적인 공식은
C[i,j] = np.sum(
Q[:, i] * Q[:, j] * W[:, i] * W[:, j])/np.sum(W[:, i] * W[:, j])
이다 그것은 I 같아 Q * W
의 열을 곱하고 합계 할 수 있어야하며, 마찬가지로 분모를 수행해야합니다 (W * W
제외).
np.einsum()
과 함께 할 방법이 있습니까?
테스트를 들어, 다음과 같이 정의 할 수 있습니다 :
C = array([[ 1. , 0.1 , 0.2 ], # set this beforehand, to test whether
[ 0.1 , 0.5 , 0.15], # we get the correct result
[ 0.2 , 0.15, 0.75]])
Q = array([[-0.6084634 , 0.16656143, -1.04490324],
[-1.51164337, -0.96403094, -2.37051952],
[-0.32781346, -0.19616374, -1.32591578],
[-0.88371729, 0.20877833, -0.52074272],
[-0.67987913, -0.84458226, 0.02897935],
[-2.01924756, -0.51877396, -0.68483981],
[ 1.64600477, 0.67620595, 1.24559591],
[ 0.82554885, 0.14884613, -0.15211434],
[-0.88119527, 0.11663335, -0.31522598],
[-0.14830668, 1.26906561, -0.49686309]])
W = array([[ 1.01133857, 0.91962164, 1.01897898],
[ 1.09467975, 0.91191381, 0.90150961],
[ 0.96334661, 1.00759046, 1.01638749],
[ 1.04827001, 0.95861001, 1.01248969],
[ 0.91572506, 1.09388218, 1.03616461],
[ 0.9418178 , 1.07210878, 0.90431879],
[ 1.0093642 , 1.00408472, 1.07570172],
[ 0.92203074, 1.00022631, 1.09705542],
[ 0.99775598, 0.01000000, 0.94996408],
[ 1.02996389, 1.01224303, 1.00331465]])
네가 맞아,이 시계는 내 방법보다 ~ 3 배 빠릅니다. 100x10 배열이고, 그 요소는'Q'와'W'의 크기로 커집니다. – DathosPachy