sklearn.covariance.ledoit_wolf

sklearn.covariance.ledoit_wolf()

Estima la matriz de covarianza Ledoit-Wolf reducida.

Más información en el Manual de usuario.

Parámetros

Xarray-like de forma (n_samples, n_features)

Datos desde los cuales calcular la estimación de covarianza

assume_centeredbool, default=False

Si es True, los datos no se centrarán antes del cálculo. Útil para trabajar con datos cuya media es significativamente igual a cero pero no es exactamente cero. Si es False, los datos se centrarán antes del cálculo.

block_sizeint, default=1000

Tamaño de los bloques en los que se dividirá la matriz de covarianza. Esto es solamente una optimización de la memoria y no afecta a los resultados.

Devuelve

shrunk_covndarray de forma (n_clusters, n_features)

Covarianza reducida.

shrinkagefloat

Coeficiente en la combinación convex utilizada para el cálculo de la estimación reducida.

Notas

La covarianza regularizada (reducida) es:

(1 - shrinkage) * cov + shrinkage * mu * np.identity(n_features)

donde mu = trace(cov) / n_features