Quais são as "melhores" métricas para matrizes de covariância e por quê? É claro para mim que Frobenius & c não são apropriados, e as parametrizações de ângulos também têm seus problemas. Intuitivamente, pode-se querer um compromisso entre esses dois, mas eu também gostaria de saber se há outros aspectos a serem lembrados e talvez padrões bem estabelecidos.
Aqui está uma boa discussão de alguns problemas, um exemplo da otimização de rede e outro da visão computacional . E aqui está uma pergunta semelhante, recebendo outras métricas, mas sem discussão.
covariance
metric
Quartzo
fonte
fonte
Respostas:
Bem, não acho que exista uma boa métrica ou "a melhor maneira" de analisar matrizes de covariância. A análise deve estar sempre alinhada ao seu objetivo. Digamos que C é minha matriz de covariância. A diagonal contém a variação para cada parâmetro calculado. Portanto, se você estiver interessado no significado dos parâmetros, o traço (C) é um bom começo, pois é seu desempenho geral.
Se você plotar seu parâmetro e seu significado, poderá ver algo assim:
Se você estiver interessado na correlação mútua, essa tabela pode gerar algo interessante:
Cada elemento é o coeficiente de correlação entre os parâmetros xi e xj. A partir do exemplo, é visível que os parâmetros x1 e x2 estão altamente correlacionados.
fonte
Pergunta interessante, estou enfrentando o mesmo problema no momento! Depende de como você define 'melhor', ou seja, procura algum valor único médio para o spread, ou para a correlação entre os dados, etc. Encontrei em Press, SJ (1972): Análise Multivariada Aplicada, p. 108 que a variância generalizada, definida como o determinante da matriz de covariância, é útil como uma única medida para o spread. Mas, se é a correlação que você procura, precisarei pensar mais. Avise-se me.
fonte