cov¶

paddle.linalg. cov ( x, rowvar=True, ddof=True, fweights=None, aweights=None, name=None ) [源代码] ¶

给定输入 Tensor 和权重，计算输入 Tensor 的协方差矩阵。

协方差矩阵是一个方阵，用于指示每两个输入元素之间的协方差值。例如对于有 N 个元素的输入 X=[x1,x2,…xN]T，协方差矩阵的元素 Cij 表示输入 xi 和 xj 之间的协方差，Cij 表示 xi 其自身的协方差。

参数¶

x (Tensor) - 一个 N(N<=2)维矩阵，包含多个变量。默认矩阵的每行是一个观测变量，由参数 rowvar 设置。

rowvar (bool，可选) - 若是 True，则每行作为一个观测变量；若是 False，则每列作为一个观测变量。默认 True。

ddof (bool，可选) - 若是 True，返回无偏估计结果；若是 False，返回普通平均值计算结果。默认 True。

fweights (Tensor，可选) - 包含整数频率权重的 1 维 Tensor，表示每一个观测向量的重复次数。其维度值应该与输入 x 的观测维度值相等，为 None 则不起作用，默认 None。

aweights (Tensor，可选) - 包含整数观测权重的 1 维 Tensor，表示每一个观测向量的重要性，重要性越高对应值越大。其维度值应该与输入 x 的观测维度值相等，为 None 则不起作用，默认 None。

name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回¶

Tensor，输入 x 的协方差矩阵。假设 x 是[m,n]的矩阵，rowvar=True，则输出为[m,m]的矩阵。

代码示例¶

          >>> import paddle
>>> paddle.seed(2023)

>>> xt = paddle.rand((3, 4))
>>> paddle.linalg.cov(xt)
>>> print(xt)
Tensor(shape=[3, 4], dtype=float32, place=Place(cpu), stop_gradient=True,
[[0.86583614, 0.52014720, 0.25960937, 0.90525323],
 [0.42400089, 0.40641287, 0.97020894, 0.74437362],
 [0.51785129, 0.73292869, 0.97786582, 0.04315904]])

         