sklearn.covariance.ledoit_wolf

sklearn.covariance.ledoit_wolf(X, *, assume_centered=False, block_size=1000)

[源码]

估计收缩的Ledoit-Wolf协方差矩阵。

用户指南中阅读更多内容。

参数 说明
X array-like of shape (n_samples, n_features)
用于计算协方差估计的数据
assume_centered bool, default=False
如果为True,则在计算之前数据不会中心化。这在处理均值显着等于零但不完全为零的数据时很有用。如果为False,则数据将在计算之前进行数据中心化。
block_size int, default=1000
将协方差矩阵进行分块。这纯粹是内存优化,不会影响结果。

正则(缩小)协方差为:

(1-收缩率)* cov +收缩率* mu * np.identity(n_features)

其中mu = trace(cov)/ n_features

sklearn.covariance.ledoit_wolf使用示例