shrunk_covariance

sklearn.covariance.shrunk_covariance(emp_cov, shrinkage=0.1)

Berechnet Kovarianzmatrizen, die auf der Diagonalen geschrumpft sind.

Lesen Sie mehr im Benutzerhandbuch.

Parameter:

emp_covarray-like von Shape (…, n_features, n_features)

Zu schrumpfende Kovarianzmatrizen, mindestens 2D ndarray.

shrinkagefloat, Standard=0.1

Koeffizient in der konvexen Kombination, die zur Berechnung der geschrumpften Schätzung verwendet wird. Bereich ist [0, 1].

Gibt zurück:

shrunk_covndarray von Shape (…, n_features, n_features)

Geschrumpfte Kovarianzmatrizen.

Anmerkungen

Die regularisierte (geschrumpfte) Kovarianz ist gegeben durch

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

wobei mu = Spur(cov) / n_features.

Beispiele

>>> import numpy as np
>>> from sklearn.datasets import make_gaussian_quantiles
>>> from sklearn.covariance import empirical_covariance, shrunk_covariance
>>> real_cov = np.array([[.8, .3], [.3, .4]])
>>> rng = np.random.RandomState(0)
>>> X = rng.multivariate_normal(mean=[0, 0], cov=real_cov, size=500)
>>> shrunk_covariance(empirical_covariance(X))
array([[0.739, 0.254],
       [0.254, 0.411]])