Sto usando la libreria Eigen in C++: Attualmente sto calcolando la matrice di covarianza me stesso come segue:Eigen: C'è un modo integrato per il calcolo del campione covarianza
Eigen::MatrixXd covariance_matrix = Eigen::MatrixXd::Constant(21, 21, 0);
data mean = calc_mean(all_data)
for(int j = 0; j < 21; j++){
for(int k = 0; k < 21; k++){
for(std::vector<data>::iterator it = all_data.begin(); it!= all_data.end(); it++){
covariance_matrix(j,k) += ((*it)[j] - mean[j]) * ((*it)[k] - mean[k]);
}
covariance_matrix(j,k) /= all_data.size() - 1;
}
}
C'è un/modo integrato più ottimizzato per fai questo con la libreria Eigen? Ad esempio, se memorizzo i miei dati in un MatrixXd
in cui ogni riga è un'osservazione e ogni colonna è una caratteristica?
Grazie
Fare attenzione per 'mat.rows() == 1'. –