เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณความแปรปรวนร่วม

ความแปรปรวนร่วมสามารถคำนวณได้โดยใช้ฟังก์ชัน np.cov() ของ NumPy ตัวอย่างเช่น หากมีชุดข้อมูลสองชุดคือ x และ y การเรียก np.cov(x, y) จะคืนค่า array 2 มิติ โดย entry [0,1] และ [1,0] คือค่าความแปรปรวนร่วม ส่วน entry [0,0] คือความแปรปรวนของข้อมูลใน x และ entry [1,1] คือความแปรปรวนของข้อมูลใน y array 2 มิตินี้เรียกว่า เมทริกซ์ความแปรปรวนร่วม (covariance matrix) เนื่องจากรวบรวมทั้งค่าความแปรปรวนและความแปรปรวนร่วมไว้ด้วยกัน

เพื่อให้นึกภาพความสัมพันธ์ระหว่างความยาวและความกว้างของกลีบดอกของ I. versicolor เราได้แสดง scatter plot ที่สร้างขึ้นในแบบฝึกหัดก่อนหน้าไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 1)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ np.cov() เพื่อคำนวณเมทริกซ์ความแปรปรวนร่วมของความยาวกลีบดอก (versicolor_petal_length) และความกว้างกลีบดอก (versicolor_petal_width) ของ I. versicolor
  • พิมพ์เมทริกซ์ความแปรปรวนร่วม
  • ดึงค่าความแปรปรวนร่วมจาก entry [0,1] ของเมทริกซ์ความแปรปรวนร่วม โดยจากสมบัติสมมาตร entry [1,0] มีค่าเท่ากับ entry [0,1]
  • พิมพ์ค่าความแปรปรวนร่วม

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Compute the covariance matrix: covariance_matrix


# Print covariance matrix


# Extract covariance of length and width of petals: petal_cov


# Print the length/width covariance
แก้ไขและรันโค้ด