Technicznie nie jest to problem programistyczny, ale problem matematyczny. Ale myślę, że lepiej użyć macierzy wariancji-kowariancji. Lub macierz korelacji, jeśli skala wartości są bardzo różne, powiedzmy, zamiast:
>>> x
array([[5, 3, 0],
[3, 0, 5],
[5, 5, 0],
[1, 1, 7]])
Masz:
>>> x
array([[5, 300, 0],
[3, 0, 5],
[5, 500, 0],
[1, 100, 7]])
Aby uzyskać macierz wariancji-CoV:
>>> np.cov(x)
array([[ 6.33333333, -3.16666667, 6.66666667, -8. ],
[ -3.16666667, 6.33333333, -5.83333333, 7. ],
[ 6.66666667, -5.83333333, 8.33333333, -10. ],
[ -8. , 7. , -10. , 12. ]])
Lub macierz korelacji:
>>> np.corrcoef(x)
array([[ 1. , -0.5 , 0.91766294, -0.91766294],
[-0.5 , 1. , -0.80295507, 0.80295507],
[ 0.91766294, -0.80295507, 1. , -1. ],
[-0.91766294, 0.80295507, -1. , 1. ]])
To jest sposób patrzenia na to, komórka przekątna, czyli komórka o przekątnej, czyli (0,0)
, jest korelacją twojego pierwszego wektora w X z jej własnym, więc jest to 1. Pozostałe komórki, tj. Komórka (0,1)
, to korelacja pomiędzy 1. i 2. wektor w X. Są ujemnie skorelowane. Lub podobnie, pierwsza i trzecia komórka są dodatnio skorelowane.
macierz kowariancji lub macierz korelacji unikają problemu zero wskazanego przez @Akavall.
Myślę, że podejście kowariancji jest lepsze niż moje rozwiązanie. – Akavall