sklearn.covariance.ledoit_wolf?

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

估計收縮的Ledoit-Wolf協方差矩陣。

在用戶指南中閱讀更多內容。

參數	說明
X	array-like of shape (n_samples, n_features) 用于計算協方差估計的數據
assume_centered	bool, default=False 如果為True，則在計算之前數據不會中心化。這在處理均值顯著等于零但不完全為零的數據時很有用。如果為False，則數據將在計算之前進行數據中心化。
block_size	int, default=1000 將協方差矩陣進行分塊。這純粹是內存優化，不會影響結果。

注

正則（縮小）協方差為：

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

其中mu = trace（cov）/ n_features

sklearn.covariance.ledoit_wolf使用示例?

_{<bdo id="lnegy"></bdo>}