numpy 中的加权协方差矩阵

我想计算协方差C of n的测量p数量，其中每个单独的数量测量都有自己的权重。也就是我的权重数组W与我的数量数组具有相同的形状Q (n by p）。当地人np.cov()函数仅支持赋予各个测量值的权重（即长度向量n).

我可以初始化一个p by p矩阵并迭代，但如果p很大，那么这是一个非常慢的过程。

Since Q已知每个数量的均值为零（Q)，每个元素的显式公式C is

C[i,j] = np.sum(
    Q[:, i] * Q[:, j] * W[:, i] * W[:, j]) / np.sum(W[:, i] * W[:, j])

如果我将分子重新排列为Q[:, i] * W[:, i] * Q[:, j] * W[:, j]，看来我应该能够对以下列进行乘法和求和Q * W，然后类似地计算分母（除了使用W * W).

有没有办法做到这一点np.einsum()?

为了进行测试，我们定义以下内容：

C = array([[ 1.  ,  0.1 ,  0.2 ], # set this beforehand, to test whether 
           [ 0.1 ,  0.5 ,  0.15], # we get the correct result
           [ 0.2 ,  0.15,  0.75]])

Q = array([[-0.6084634 ,  0.16656143, -1.04490324],
           [-1.51164337, -0.96403094, -2.37051952],
           [-0.32781346, -0.19616374, -1.32591578],
           [-0.88371729,  0.20877833, -0.52074272],
           [-0.67987913, -0.84458226,  0.02897935],
           [-2.01924756, -0.51877396, -0.68483981],
           [ 1.64600477,  0.67620595,  1.24559591],
           [ 0.82554885,  0.14884613, -0.15211434],
           [-0.88119527,  0.11663335, -0.31522598],
           [-0.14830668,  1.26906561, -0.49686309]])

W = array([[ 1.01133857,  0.91962164,  1.01897898],
           [ 1.09467975,  0.91191381,  0.90150961],
           [ 0.96334661,  1.00759046,  1.01638749],
           [ 1.04827001,  0.95861001,  1.01248969],
           [ 0.91572506,  1.09388218,  1.03616461],
           [ 0.9418178 ,  1.07210878,  0.90431879],
           [ 1.0093642 ,  1.00408472,  1.07570172],
           [ 0.92203074,  1.00022631,  1.09705542],
           [ 0.99775598,  0.01000000,  0.94996408],
           [ 1.02996389,  1.01224303,  1.00331465]])

您可以使用非常有效的矩阵乘法np.dot http://docs.scipy.org/doc/numpy/reference/generated/numpy.dot.html -

QW = Q*W
C = QW.T.dot(QW)/W.T.dot(W)