empirical_covariance

sklearn.covariance.empirical_covariance(X, *, assume_centered=False)

计算最大似然协方差估计量。

参数:

X形状的nd数组（n_samples，n_features）

计算协方差估计值的数据。

assume_centered布尔，默认=假

如果 True ，数据在计算之前不会集中。在处理均值几乎为零但不完全为零的数据时很有用。如果 False ，数据将在计算前居中。

返回:

covariance形状的nd数组（n_features，n_features）

经验协方差（最大似然估计）。

示例

>>> from sklearn.covariance import empirical_covariance
>>> X = [[1,1,1],[1,1,1],[1,1,1],
...      [0,0,0],[0,0,0],[0,0,0]]
>>> empirical_covariance(X)
array([[0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25],
       [0.25, 0.25, 0.25]])