因為公司專案需求，我也跟著學習了機器學習方面的知識，狠狠補了一下數學知識。統計學是關於認識客觀現象總體數量特徵和數量關係的科學。它是通過蒐集、整理、分析統計資料，認識客觀現象數量規律性的方**科學，方差、標準差、均值都是統計學的基礎。
均值、標準差、方差都是為了通過資料計算出樣本集合的潛在資訊，我們可通過潛在資訊判斷資料的相關性。
但是均值、標準差、方差都只適用於一維資料，比如給一組體重【105,110,120,130】，便可適用於利用方差標準差來進行計算。但如果現在還有一組身高呢，比如【172,178,180,182】，想通過這兩組資料來獲得身高和體重的相關性，就無法通過方差和標準差來計算了。所以，面對這樣的資料集，就需要利用我們的協方差。
我們先來看看協方差的基本性質：
cov（x,y）便是求得體重和身高的相關性，若為整數，說明體重隨身高的增長而增長，若為負數，則體重隨身高的增長而降低 。
下面我們運用python的numpy庫來試驗一下：
import numpyx=[100,90,110,120,140,130] //定義一組體重
y=[65,60,55,50,51,45] //定義一組身高
z=[1,0,1,1,1,1] //定義一組性別
f=[s,y,z]
a=numpy.cov(f) //運用cov求得協方差矩陣
print(a)
我們通過cov函式求得協方差矩陣，而協方差矩陣的特性便是對角線是各個維度的方差
得出的結果便是與以上一一對應，由此我們可以得到多個weidu維度偏離其均值的程度，度量多個維度之間關係的統計量，且由此可見，協方差矩陣是乙個對稱矩陣。
numpy中的協方差，方差相關計算
協方差矩陣，求相關矩陣 假設協方差矩陣sigma import numpy as np sigma np.array 4,1,2 2,3,4 2,3,5 print sigma 4 1 2 2 3 4 2 3 5 sigma array 4,1,2 2,3,4 2,3,5 得出協方差的長度 p le...
協方差，皮爾遜相關性，卡方檢驗
1 協方差 協方差 covariance 在概率論和統計學中用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。期望值分別為 隨機變數 x 與y 之間的協方差定義為 協方差表示的是兩個變數的總體的誤差，這與只表示乙個變數誤差的方差 不同。如果兩個變數的變化趨勢一致，也...
詳解協方差與協方差矩陣計算
協方差的定義 對於一般的分布，直接代入e x 之類的就可以計算出來了，但真給你乙個具體數值的分布，要計算協方差矩陣，根據這個公式來計算，還真不容易反應過來。網上值得參考的資料也不多，這裡用乙個例子說明協方差矩陣是怎麼計算出來的吧。記住，x y 是乙個列向量，它表示了每種情況下每個樣本可能出現的數。比...