我是python和线性代数的新手，我对矩阵的协方差有疑问。
我有一个21 x 2矩阵，其中第一列代表该年发布的视频游戏的平均得分（从0到10），第二列代表从1996年到2016年的年份。
我正在玩数据，并且通过做np.cov（X）注意到了
我得到了一个非常有趣的图。我将在下面列出图表。据我了解，协方差表明数据集中变量之间的相关性，但是根据此协方差图可以说游戏的平均得分随着年数的增加而增加，这是否正确？
谢谢。
最佳答案
您的计算没有意义。默认情况下，对于np.cov(X)，X的每一行代表一个变量，各列中带有观察值。假设第一行可能是一年中的降雨，另一行可能是视频游戏的平均评分，另一行可能只是年份本身的数字，例如2012年。然后C = np.cov(X)将为您提供一个3 x 3的矩阵C对角线条目表示该行内有多少方差，非对角线条目表示不同行之间的相关性。即，第i行与第j行的相关系数为C[i,j]/sqrt(C[i,i]*C[j,j])。
如果您的数据看起来像X = [[7.5, 2010], [8.2, 2011], [8.1, 2013]]，则np.cov(X)是没有意义的，因为7.5和2010不是同一变量的两个不同观察值。而是7.5、8.2和8.1是同一变量（游戏等级）的不同观察结果。您应该使用的是
C = np.cov(X, rowvar=False)
告诉Numpy您的变量在列中。在我的示例中，您将获得2 x 2矩阵（因为有2个变量）
[[ 0.14333333, 0.38333333],
[ 0.38333333, 2.33333333]]
由于非对角项为正，因此两个变量确实是正相关的。具体而言，相关系数为
C[0,1]/np.sqrt(C[0,0]*C[1,1])，为0.66，表明非常强的相关性。关于python - numpy.cov实际做什么，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/40945088/