Data Analysis¶
Dato un set di dati, si può usare il metodo fit per stimare una trasformazione di whitening.
fit(Whitening, X; …)¶
Stimare una trasformazione di whitening dai dati forniti in X. Qui, X dovrebbe essere una matrice, le cui colonne danno i campioni.
Questa funzione restituisce un’istanza di Whitening.
Parole chiave Argomenti:
| nome | descrizione | default |
|---|---|---|
| regcoef |
il coefficiente di regolarizzazione. La covarianza sarà regolarizzata come segue quando
|
zero(T) |
| mean |
Il vettore medio, che può essere uno dei seguenti:
|
nothing |
Nota: Questa funzione si basa internamente su cov_whiten per ricavare la trasformazione W. La funzione cov_whiten stessa è anche una funzione utile.
cov_whitening(C)¶
Deriva la matrice dei coefficienti della trasformazione di sbiancamento W data la matrice di covarianza C. Qui, C può essere o una matrice quadrata, o un’istanza di Cholesky.
Interamente, questa funzione risolve la trasformazione di sbiancamento usando la fattorizzazione di Cholesky. La logica è la seguente: lascia che 
e 
, allora 
.
Nota: La matrice di ritorno W è una matrice triangolare superiore.
cov_whitening(C, regcoef)
Deriva una trasformazione di sbiancamento basata su una covarianza regolarizzata, come C + (eigmax(C) * regcoef) * eye(d).
Inoltre, il pacchetto fornisce anche cov_whiten!, in cui la matrice di input C sarà sovrascritta durante il calcolo. Questo può essere più efficiente quando C non è più utilizzato.
invsqrtm(C)¶
Computa inv(sqrtm(C)) attraverso la decomposizione simmetrica degli autovalori.