机器学习中的统计学——协方差矩阵

接上篇：机器学习中的统计学——概率分布

在之前的几篇文章中曾讲述过主成分分析的数学模型、几何意义和推导过程（PS：点击即可阅读），这里面就要涉及到协方差矩阵的计算，本文将针对协方差矩阵做一个详细的介绍，其中包括协方差矩阵的定义、数学背景与意义以及计算公式的推导。

1. 协方差定义

X、Y 是两个随机变量，X、Y 的协方差 cov(X, Y) 定义为：

其中：

、

2. 协方差矩阵定义

矩阵中的数据按行排列与按列排列求出的协方差矩阵是不同的，这里默认数据是按行排列。即每一行是一个observation(or sample)，那么每一列就是一个随机变量。

协方差矩阵：

协方差矩阵的维度等于随机变量的个数，即每一个 observation 的维度。在某些场合前边也会出现 1 / m，而不是 1 / (m - 1).

3. 求解协方差矩阵的步骤

举个例子，矩阵 X 按行排列：

1. 求每个维度的平均值

2. 将 X 的每一列减去平均值

其中：

3. 计算协方差矩阵

注意：

有时候在书上或者网上会看到这样的公式，协方差矩阵 Σ：

这里之所以会是 X * X' 是因为原始数据集 X 是按列排列的，即：

参考：https://blog.csdn.net/kuang_liu/article/details/16369475