协方差

机器学习概率论与统计学--(8)概率论：数字特征数字特征是用数值简洁地描述随机变量分布的重要属性。本讲将系统讲解期望、方差、协方差与相关系数，以及高阶矩、偏度和峰度。这些概念是概率论与统计学的核心，也是机器学习中模型评估与推断的基础。

我要学好英语

概率密度——分布、期望、方差和协方差加和法则：p(x)=∫p(x,y)dyp(x)=∫p(x,y)dyp(x)=∫p(x,y)dy乘积法则：p(x,y)=p(y∣x)p(x)p(x,y)=p(y|x)p(x)p(x,y)=p(y∣x)p(x)贝叶斯定理：p(y∣x)=p(x∣y)p(y)p(x)p(y|x)=\frac{p(x|y)p(y)}{p(x)}p(y∣x)=p(x)p(x∣y)p(y)其中，分母p(x)=∫p(x∣y)p(y)dyp(x)=∫p(x|y)p(y)dyp(x)=∫p(x∣y)p(y)dy

概率论与数理统计术语理解——方差和协方差目录1. 方差(variance)1.1 单词variance的词源1.2 variance概率统计中的含义

正义的彬彬侠

协方差矩阵及其计算方法协方差矩阵（Covariance Matrix）是一个描述多维数据特征之间相互关系的矩阵，广泛应用于统计学和机器学习中。它用于表示各个特征之间的协方差，是分析多维数据分布和特征依赖性的重要工具。

【考研数学】概率论与数理统计 —— 第四章 | 随机变量的数字特征设 X X X 为离散型随机变量，其分布律为 P { X = x i } = p i ( i = 1 , 2 , ⋯ ) , P\{X=x_i\}=p_i(i=1,2,\cdots), P{X=xi}=pi(i=1,2,⋯), 若级数 ∑ i = 1 ∞ x i p i \sum_{i=1}^{\infty}x_ip_i ∑i=1∞xipi 绝对收敛，称级数 ∑ i = 1 ∞ x i p i \sum_{i=1}^{\infty}x_ip_i ∑i=1∞xipi 的和为随机变量 X X X 的数学期

我是有底线的