如何理解方差：
方差也是比較資料的乙個非常有用的工具
舉個例子你就明白了
以前我們要比較兩組資料大小一般用平均數，但是有的時候平均數不能非常準確的表示資料
比如 有現在有六隻雞，每三隻一組
第一組的雞的斤數分別是 2.5，3，3.5
第二組的雞的斤數分別是 1，3，5
很顯然我們能看出第一組雞看起來重量的差別不大，第二組雞的差別就很大，因為雞本身重量並不大，相差兩斤的話一下子就能看出來
可是我們發現這兩組雞重量的平均數是一樣的，但是這兩組雞卻有明顯的差別，這是平均數就不能體現二者的差別，所以我們引入了方差的概念
用每乙個資料和這組數的平均數比較，再計算差的平方和，哪乙個大就說明這組資料的差別較大
這裡面還有乙個問題就是為什麼要平方，因為每個數和平均數的差有正有負，而我們只關心差的絕對值，但是用絕對值會使計算繁瑣，所以用平方
協方差的具體計算：
若是第一行第二列的元素，則描述的是第乙個特徵與第二個特徵之間的相關性，所以協方差矩陣肯定是對稱矩陣。
如何理解特徵向量：
如何理解協方差
看原文 怎樣將這3種相關情況，用乙個簡單的數字表達出來呢？在圖中的區域 1 中，有 x ex y ey 0 所以 x ex y ey 0 在圖中的區域 2 中，有 x0 所以 x ex y ey 0 在圖中的區域 3 中，有 x0 在圖中的區域 4 中，有 x ex y ey 0 所以 x ex y...
協方差的理解
之前對於協方差一直不是非常理解，今天在做資料探勘作業的時候又再次看到了協方差，所以就想著今天搞懂他。當然，還是要請教李彥巨集大師。通過下文兩篇文章，算是對協方差有了乙個初步的，比較形象的了解了。協方差矩陣 協方差的意義 我們描述乙個一維的資料，可以用數學期望值e x 來表示資料的平均值，也可以用乙個...
方差 協方差 相關係數的理解
協方差對於變數x y，協方差的定義為每個時刻的 x值與其均值之差 乘以 y值與其均值之差 的均值 其實是求 期望 因此，如果x與x的均值差與y與y的均值差的符號相同，則協方差值大於0，符號相反，則協方差值小於0，總結如下 圖2 圖3 圖4 解釋一 x 越大 y 也越大，x 越小 y 也越小，這種情況...