python - 从高斯分布估计协方差矩阵

Question

粗略地说，马氏距离是多元高斯分布 (μ, Σ) 与点之间的距离。如果高斯分布代表一个类，我们可以通过选择距离最小的类来对新点进行分类。

我将 N*D 训练数据作为类数据，我需要计算 mu 和 Sigma 的倒数。

Estimates the parameters for the mahalanobis distance for a specific class.
:param x_class: a (n x d) numpy array, containing n samples with d features coresponding to a specific class.
:return: tuple of (mu, inv_Si)
    where mu     is a (d,)   numpy array
          inv_Si is a (d, d) numpy array.

我正在使用 MLE 估计器，我得到了正确的均值，但我没有纠正逆协方差矩阵。

训练数据是 74*4 N*D 的大特征。

可以正确拟合数据的替代估计器是什么？

我尝试使用其他估计器，如 OAS，我得到不正确的均值和不正确的逆协方差矩阵。

最好的估计器是经验协方差估计器。但是我从中得到了一个正确的平均值，但是逆协方差矩阵与测试用例的负差为 2.0 或 3.0。

标签： pythonmachine-learningscikit-learn