Calcul de la covariance
La covariance peut être calculée avec la fonction Numpy np.cov(). Par exemple, si l'on a deux ensembles de données x et y, np.cov(x, y) renvoie un tableau 2D où les éléments [0,1] et [1,0] sont les covariances. L'élément [0,0] est la variance des données dans x, et l'élément [1,1] est la variance des données dans y. Ce tableau 2D en sortie s'appelle la matrice de covariance, puisqu'il regroupe les variances propres et croisées.
Pour vous rappeler comment la longueur et la largeur des pétales de I. versicolor sont liées, nous incluons le nuage de points que vous avez généré dans un exercice précédent.
Cette activité fait partie du cours
Réflexion statistique en Python (Partie 1)
Instructions de l’exercice
- Utilisez
np.cov()pour calculer la matrice de covariance de la longueur (versicolor_petal_length) et de la largeur (versicolor_petal_width) des pétales de I. versicolor. - Affichez la matrice de covariance.
- Extrayez la covariance à partir de l'élément
[0,1]de la matrice de covariance. Notez que, par symétrie, l'élément[1,0]est identique à[0,1]. - Affichez la covariance.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compute the covariance matrix: covariance_matrix
# Print covariance matrix
# Extract covariance of length and width of petals: petal_cov
# Print the length/width covariance