已完成向量化的子数组调用np.cov仅得单个值，遗漏哪些步骤？

你现在只得到单个数值的核心问题是：np.cov() 对一维数组只会计算该数组的方差，而你当前的代码每次循环都覆盖了vectorized_points，最后只保留了一个样本的一维向量，自然输出单个数值。要得到(k²,k²)的协方差矩阵，需要完成以下两步：

1. 收集所有向量化后的样本 #

你需要把每个子数组向量化后的结果收集起来，形成一个二维数组——其中每一行是一个样本，每一列是一个特征（比如28×28的子数组向量化后是784维特征，最终数组形状为(n_samples, 784)）。

2. 正确调用np.cov() #

np.cov()默认参数rowvar=True，即把每一行当作一个特征、每一列当作样本。但我们的数组是行对应样本，所以需要设置rowvar=False，让函数按列处理特征，最终得到特征间的协方差矩阵。

修正后的代码示例 #

import numpy as np

# 初始化列表存储所有向量化样本
vectorized_samples = []
for i in indexes_cov:
    # 对每个子数组向量化并加入列表
    vec = np.reshape(data[i], -1)
    vectorized_samples.append(vec)

# 转换为二维numpy数组，形状为(样本数, k²)
samples_array = np.array(vectorized_samples)

# 计算协方差矩阵，rowvar=False指定列是特征
cov_matrix = np.cov(samples_array, rowvar=False)

# 验证矩阵形状，应为(k², k²)
print(cov_matrix.shape)

关键说明 #

• 如果你的子数组是28×28，k=28，那么k²=784，最终协方差矩阵形状就是(784,784)，完全符合需求。
• 必须保证indexes_cov对应的样本数≥2，否则协方差矩阵无法有效计算（单个样本的协方差无意义）。

内容的提问来源于stack exchange，提问作者user16446371