scipy.stats.random_correlation#

scipy.stats.random_correlation = <scipy.stats._multivariate.random_correlation_gen object>[源代码]#

随机相关矩阵。

返回一个随机相关矩阵，给定一个特征值向量。

eigs 关键字指定相关矩阵的特征值，并暗示维度。

参数:

eigs1d ndarray: 相关矩阵的特征值
seed{None, int, numpy.random.Generator, numpy.random.RandomState}, 可选: 如果 seed 为 None (或 np.random)，则使用 numpy.random.RandomState 单例。如果 seed 是一个整数，则使用一个新的 RandomState 实例，并使用 seed 初始化。如果 seed 已经是 Generator 或 RandomState 实例，则使用该实例。
tolfloat，可选: 输入参数检查的容差
diag_tolfloat，可选: 结果矩阵对角线偏差的容差。默认值：1e-7

返回:

rvsndarray 或标量: 随机大小 N 维矩阵，维度 (size, dim, dim)，每个矩阵都有特征值 eigs。

引发:

RuntimeError: 浮点错误阻止了生成有效的相关矩阵。

注释

根据 Davies & Higham 提出的数值稳定算法生成随机相关矩阵。该算法使用单个 O(N) 相似变换来构造对称正半定矩阵，并应用一系列 Givens 旋转将其缩放到对角线上的值为 1。

参考文献

[1]

Davies, Philip I; Higham, Nicholas J; “Numerically stable generation of correlation matrices and their factors”, BIT 2000, Vol. 40, No. 4, pp. 640 651

示例

>>> import numpy as np
>>> from scipy.stats import random_correlation
>>> rng = np.random.default_rng()
>>> x = random_correlation.rvs((.5, .8, 1.2, 1.5), random_state=rng)
>>> x
array([[ 1.        , -0.02423399,  0.03130519,  0.4946965 ],
       [-0.02423399,  1.        ,  0.20334736,  0.04039817],
       [ 0.03130519,  0.20334736,  1.        ,  0.02694275],
       [ 0.4946965 ,  0.04039817,  0.02694275,  1.        ]])
>>> import scipy.linalg
>>> e, v = scipy.linalg.eigh(x)
>>> e
array([ 0.5,  0.8,  1.2,  1.5])

方法

rvs(eigs=None, random_state=None)

绘制随机相关矩阵，所有矩阵都具有特征值 eigs。