我在尝试使用scipy.stats.multivariate_normal
时遇到了问题,希望您中的一位能够提供帮助。
我有一个2x2矩阵,它可以找到使用numpy.linalg.inv()
的逆矩阵,但是当我尝试使用它作为multivariate_normal
中的协方差矩阵时,我会收到一个LinAlgError
声明它是一个奇异矩阵:
In [89]: cov = np.array([[3.2e5**2, 3.2e5*0.103*-0.459],[3.2e5*0.103*-0.459, 0.103**2]])
In [90]: np.linalg.inv(cov)
Out[90]:
array([[ 1.23722158e-11, 1.76430200e-05],
[ 1.76430200e-05, 1.19418880e+02]])
In [91]: multivariate_normal([0,0], cov)
---------------------------------------------------------------------------
LinAlgError Traceback (most recent call last)
<ipython-input-91-44a6625beda5> in <module>()
----> 1 multivariate_normal([0,0], cov)
/mnt/ssd/Enthought_jli199/Canopy_64bit/User/lib/python2.7/site-packages/scipy/stats/_multivariate.pyc in __call__(self, mean, cov, allow_singular, seed)
421 return multivariate_normal_frozen(mean, cov,
422 allow_singular=allow_singular,
--> 423 seed=seed)
424
425 def _logpdf(self, x, mean, prec_U, log_det_cov, rank):
/mnt/ssd/Enthought_jli199/Canopy_64bit/User/lib/python2.7/site-packages/scipy/stats/_multivariate.pyc in __init__(self, mean, cov, allow_singular, seed)
591 """
592 self.dim, self.mean, self.cov = _process_parameters(None, mean, cov)
--> 593 self.cov_info = _PSD(self.cov, allow_singular=allow_singular)
594 self._dist = multivariate_normal_gen(seed)
595
/mnt/ssd/Enthought_jli199/Canopy_64bit/User/lib/python2.7/site-packages/scipy/stats/_multivariate.pyc in __init__(self, M, cond, rcond, lower, check_finite, allow_singular)
217 d = s[s > eps]
218 if len(d) < len(s) and not allow_singular:
--> 219 raise np.linalg.LinAlgError('singular matrix')
220 s_pinv = _pinv_1d(s, eps)
221 U = np.multiply(u, np.sqrt(s_pinv))
LinAlgError: singular matrix
默认情况下,} 和^{} 的源代码以了解详细信息)。
multivariate_normal
检查协方差矩阵的任何特征值是否小于根据其数据类型和最大特征值的大小选择的某个公差(查看^{正如上面提到的@kazemakase,虽然根据
np.linalg.inv
使用的标准,协方差矩阵可能是可逆的,但它仍然是非常病态的,并且没有通过multivariate_normal
使用的更严格的测试。您可以通过
allow_singular=True
到multivariate_normal
来跳过此测试,但一般来说,最好重新缩放数据,以避免首先传递这样一个病态协方差矩阵。相关问题 更多 >
编程相关推荐