Calculer la covariance
La covariance peut être calculée avec la fonction Numpy np.cov(). Par exemple, si l’on a deux séries 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 de x, et l’élément [1,1] est la variance des données de y. Ce tableau de sortie 2D est appelé la matrice de covariance, car il organise les auto- et covariances.
Pour vous rappeler comment la longueur et la largeur des pétales d’I. versicolor sont liées, nous incluons le nuage de points que vous avez généré dans un exercice précédent.
Cet exercice fait partie du cours
<cours>Réflexion statistique en Python (Partie 1)</cours>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 d’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