eigen相关

http://www.cnblogs.com/python27/p/EigenQuickRef.html

eigen中,可以使用CorrelationMatrix类来计算相关系数。 首先,需要将数据转换为Eigen矩阵,可以使用Map函数将数据指针映射到矩阵中。例如,假设有一个包含n个样本和p个特征的数据矩阵X,可以使用以下代码将其转换为Eigen矩阵: ``` #include <Eigen/Core> #include <Eigen/Eigenvalues> Eigen::MatrixXd X(n, p); double* X_data = ...; // 数据指针 Eigen::Map<Eigen::MatrixXd>(X_data, n, p) = X; ``` 然后,可以使用CorrelationMatrix类计算相关系数矩阵。例如,假设想要计算X中各个特征之间的相关系数,可以使用以下代码: ``` Eigen::MatrixXd corr = Eigen::CorrelationMatrix<Eigen::MatrixXd>::compute(X); ``` 这将计算X的相关系数矩阵,并将其存储在变量corr中。corr是一个p x p的矩阵,其中(i, j)位置的元素表示X的第i和第j个特征之间的相关系数。 注意,CorrelationMatrix类计算的是皮尔逊相关系数,如果需要计算其他类型的相关系数(如Spearman相关系数),可以使用其他类(如CovarianceMatrix)来实现。 完整代码示例: ``` #include <Eigen/Core> #include <Eigen/Eigenvalues> int main() { const int n = 100; // 样本数 const int p = 4; // 特征数 // 生成随机数据 double X_data[n * p]; for (int i = 0; i < n * p; i++) { X_data[i] = std::rand() / double(RAND_MAX); } // 转换为Eigen矩阵 Eigen::MatrixXd X(n, p); Eigen::Map<Eigen::MatrixXd>(X_data, n, p) = X; // 计算相关系数矩阵 Eigen::MatrixXd corr = Eigen::CorrelationMatrix<Eigen::MatrixXd>::compute(X); std::cout << "Correlation matrix:" << std::endl << corr << std::endl; return 0; } ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值