我有一个问题,我不知道如何计算两个张量的协方差。我已经尝试过contrib.metrics.streaming_covariance
。但是总是返回0
。必须有一些错误。
最佳答案
您可以使用两个随机变量X
和Y
与期望值x0
和y0
的协方差的定义:cov_xx = 1 / (N-1) * Sum_i ((x_i - x0)^2)
cov_yy = 1 / (N-1) * Sum_i ((y_i - y0)^2)
cov_xy = 1 / (N-1) * Sum_i ((x_i - x0) * (y_i - y0))
关键点是在此处估计x0
和y0
,因为您通常不知道概率分布。在许多情况下,估计x_i
或y_i
的平均值分别为x_0
或y_0
,即,估计分布是均匀的。
然后,您可以如下计算协方差矩阵的元素:
import tensorflow as tf
x = tf.constant([1, 4, 2, 5, 6, 24, 15], dtype=tf.float64)
y = tf.constant([8, 5, 4, 6, 2, 1, 1], dtype=tf.float64)
cov_xx = 1 / (tf.shape(x)[0] - 1) * tf.reduce_sum((x - tf.reduce_mean(x))**2)
cov_yy = 1 / (tf.shape(x)[0] - 1) * tf.reduce_sum((y - tf.reduce_mean(y))**2)
cov_xy = 1 / (tf.shape(x)[0] - 1) * tf.reduce_sum((x - tf.reduce_mean(x)) * (y - tf.reduce_mean(y)))
with tf.Session() as sess:
sess.run([cov_xx, cov_yy, cov_xy])
print(cov_xx.eval(), cov_yy.eval(), cov_xy.eval())
当然,如果需要矩阵形式的协方差,则可以如下修改最后一部分:
with tf.Session() as sess:
sess.run([cov_xx, cov_yy, cov_xy])
print(cov_xx.eval(), cov_yy.eval(), cov_xy.eval())
cov = tf.constant([[cov_xx.eval(), cov_xy.eval()], [cov_xy.eval(),
cov_yy.eval()]])
print(cov.eval())
要验证TensorFlow方式的元素,可以使用numpy进行检查:
import numpy as np
x = np.array([1,4,2,5,6, 24, 15], dtype=float)
y = np.array([8,5,4,6,2,1,1], dtype=float)
pc = np.cov(x,y)
print(pc)
关于python - 如何计算 tensorflow 的协方差?,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/45874928/