最近看了几篇跨领域特征对齐方面的经典文献，学者们搞了很多花样，如有的提出一阶统计特征对齐，有的提出二阶统计特征对齐，有的学者提出高阶统计特征对齐。

通俗而言，就是在统计特征层面对跨域特征进行对齐，如对齐一阶矩（均值）、二阶矩（方差）、三阶矩（偏度）。为此，本文系统的梳理了一遍概率与统计相关的知识点。

1. 方差

随机变量$X$与均值$E[X]$的偏离程度可以表示为$|X-E[X]|$，为了便于计算考虑$(X-E[X]{)}^2$。由于$(X-E[X]{)}^2$任是一个随机变量，因此其均值$E[(X-E[X]{)}^2]$可以反映随机变量$X$的波动程度，记为
$$V(X)=E[(X-E[X]{)}^2]$$

注：本文仅分析离散型随机变量。

总体方差

$${\sigma }^2=\frac{1}{N}\sum _{i=1}^N(x_i-\mu {)}^2$$

式中，${\sigma }^2$表示总体方差，$N$表示总体样本的个数，$\mu$表示总体均值。

样本方差

在实际生活中，总体样本是未知的，一般是采用抽样的方法获得部分样本，因为采用无偏估计可以修正样本估计的偏差，计算公式如下：
$$S^2=\frac{1}{n-1}\sum _{i=1}^n(x_i-\bar{x}{)}^2$$
式中，$S^2$表示样本方差，$n$表示抽样的样本个数（观测样本个数），$\bar{x}$表示观测的样本均值。

在后续的方差计算中，均是默认采用无偏估计，且在python的一些包中也均采用的是无偏估计。

编程实现：

x = torch.randn(10)mu = torch.mean(x)
var = torch.sum((x-mu)*(x-mu)) / (10-1) # tensor(0.6017)

内置函数torch.var：

var = torch.var(x) # tensor(0.6017)

2. 协方差

用于描述二维随机变量$(X,Y)$之间的相互关系，定义为
$$Cov(X,Y)=E[(X-{\mu }_X)(Y-{\mu }_Y)]$$
式中，${\mu }_X,{\mu }_Y$分别表示随机变量$X、Y$的期望。

方差用于描述单个随机变量的波动程度，协方差则是度量二维随机变量的相关程度。当$X=Y$，则协方差就退化为方差，因此可以认为协方差是方差的一个特例。

性质

关于协方差的一些性质均可以由期望$E[X]$和方差$V[X]$的性质推导得来，毕竟协方差也是方差的一种。因此，下面仅列举了协方差的结论，推导省略。

• $Cov(X,Y)>0$：随机变量$X$和$Y$正相关。

• $Cov(X,Y)<0$：随机变量$X$和$Y$负相关。

• $Cov(X,Y)=0$：随机变量$X$和$Y$不相关。

• $Cov(X,Y)=Cov(Y,X)$

• $Cov(X,X)=V(X)$

• $Cov(aX,bY)=ab\times Cov(X,Y)$

• $Cov(X+a,Y+b)=Cov(X,Y)$

• $Cov(X,Y)=E[XY]-E[X]E[Y]$

编程实现：

x = torch.randn(10)
mu_x = torch.mean(x)
y = torch.randn(10)
mu_y = torch.mean(y)cov_xy = torch.sum((x-mu_x)*(y-mu_y)) / (10-1) # tensor(-0.3363)

内置函数torch.cov：

xy = torch.stack((x, y)) # size (2, 10)cov_matrix = torch.cov(xy) # size (2, 2) 
cov_xy = cov_matrix[0, 1]  # tensor(-0.3363)

由于torch.cov返回的是协方差矩阵，所以对角线上的是方差，非对角线上的是协方差。（见第4节的分析）

3. 相关系数

协方差数值大小并不能反应相互关系的强弱，如$Cov(X,Y)$和$Cov(aX,bY)$两者的协方差值相差$ab$倍，但是他们分布趋势几乎一样。因此，无法直接通过协方差值的大小来判断两个随机变量的分布关系。

$Cov(aX,bY)=ab\times Cov(X,Y)$

相关系数通过对随机变量进行标准化处理，可以消除这一干扰，统一度量范围，记为
$${\rho }_{XY}=\frac{Cov(X,Y)}{{\sigma }_X{\sigma }_Y}$$
式中，${\rho }_{XY}$记为相关系数，${\sigma }_X$表示随机变量$X$的标准差（${\sigma }_X=\sqrt{V[X]}$）。

公式推导

记随机变量$X、Y$的期望和标准差分别为${\mu }_X,{\mu }_Y,{\sigma }_X,{\sigma }_Y$，标准化处理如下
$$\tilde{X}=\frac{X-{\mu }_X}{{\sigma }_X},\tilde{Y}=\frac{Y-{\mu }_Y}{{\sigma }_Y}$$
所以归一化后的随机变量$\tilde{X}、\tilde{Y}$协方差为
$$\begin{array}{rl}Cov(\tilde{X},\tilde{Y})& =Cov(\frac{X-{\mu }_X}{{\sigma }_X},\frac{Y-{\mu }_Y}{{\sigma }_Y})\\ & =\frac{Cov(X-{\mu }_X,Y-{\mu }_Y)}{{\sigma }_X{\sigma }_Y}\\ & =\frac{Cov(X,Y)}{{\sigma }_X{\sigma }_Y}\\ & ={\rho }_{XY}\end{array}$$
所以，相关系数可以看做是标准化变量的协方差。

性质

1）不受缩放比例的影响。

设$Z=aX,W=bY$，则随机变量$Z,W$的相关系数为
$$\begin{array}{rl}{\rho }_{ZW}& =\frac{Cov(Z,W)}{{\sigma }_Z{\sigma }_W}\\ & =\frac{Cov(aX,bY)}{\sqrt{V[aX]}\sqrt{V[bY]}}\\ & =\frac{abCov(X,Y)}{\sqrt{a^{2}V[X]}\sqrt{b^{2}V[Y]}}\\ & ={\rho }_{XY}\end{array}$$

2）不受随机变量加减的影响。

设$Z=X+a,W=Y+b$，则随机变量$Z,W$的相关系数为
$$\begin{array}{rl}{\rho }_{ZW}& =\frac{Cov(Z,W)}{{\sigma }_Z{\sigma }_W}\\ & =\frac{Cov(X+a,Y+b)}{\sqrt{V[X+a]}\sqrt{V[Y+b]}}\\ & =\frac{Cov(X,Y)}{\sqrt{V[X]}\sqrt{V[Y]}}\\ & ={\rho }_{XY}\end{array}$$

编程实现：

x = torch.randn(10)
mu_x = torch.mean(x)y = torch.randn(10)
mu_y = torch.mean(y)cov_xy = torch.sum((x-mu_x)*(y-mu_y)) / (10-1) # xy协方差
x_std = torch.std(x) # x的标准差
y_std = torch.std(y) # y的标准差r_xy = cov_xy / (x_std * y_std) # tensor(0.1423)

内置函数torch.corrcoef：

xy = torch.stack((x, y)) # size (2, 10)
r_matrix = torch.corrcoef(xy) # size (2,2), 对角线值全为1
r_xy = r_matrix[0,1] # tensor(0.1423)

4. 协方差矩阵

协方差是计算两个随机变量的相关性，协方差矩阵是计算三个及以上随机变量的相关性。假设有三个随机变量$X_1,X_2,X_3$，则对应的协方差矩阵一览表为

随机变量	$X_1$	$X_2$	$X_3$
$X_1$	$Cov(X_1,X_1)$	$Cov(X_1,X_2)$	$Cov(X_1,X_3)$
$X_2$	$Cov(X_2,X_1)$	$Cov(X_2,X_2)$	$Cov(X_2,X_3)$
$X_3$	$Cov(X_3,X_1)$	$Cov(X_3,X_2)$	$Cov(X_3,X_3)$

将上述一览表写成协方差矩阵的形式
$$\Sigma ={\left[\begin{array}{ccc}V(X_1)& Cov(X_1,X_2)& Cov(X_1,X_3)\\ Cov(X_2,X_1)& V(X_2)& Cov(X_2,X_3)\\ Cov(X_3,X_1)& Cov(X_3,X_2)& V(X_3)\end{array}\right]}_{3\times 3}$$
式中，$\Sigma$表示协方差矩阵，$V(X)$表示随机变量的方差，$V(X)=Cov(X,X)$。

一般而言，${\sigma }^2$表示方差，大写的*\Sigma*表示协方差矩阵$\Sigma$。

为了提高代码的效率，一般采用向量化编程思想计算多个随机变量的协方差矩阵$\Sigma$
$$\Sigma =E[(\mathbf{X}-\mathbf{\mu })(\mathbf{X}-\mathbf{\mu }{)}^T]$$
式中，$\mathbf{X}\in {\mathbb{R}}^{d\times n}，\mathbf{\mu }\in {\mathbb{R}}^{d\times 1},\Sigma \in {\mathbb{R}}^{d\times d}$，$n$是观测样本的个数，$d$是随机变量的个数，$\mathbf{\mu }$是均值向量，包含了每个随机变量对应的均值。

补充理解：

• $\mathbf{X}=[X_1、X_2、X_3]$包含了三个随机变量。
• 可以从随机变量$X_1$中取值，这些取出来的值称为观测样本，因为离散型随机变量的取值为有限个值（或可列个值），如从中取出$n$个观测样本 { x 1 , x 2 , . . . , x n } \{x_1,x_2,...,x_n\} {x1​,x2​,...,xn​}。
• 对应于我们的训练样本则$n$是训练样本个数，$d$是每个样本对应的特征维数。

公式推导

下面以随机变量个数为3，推导上述公式成立
$$\begin{array}{rl}\mathbf{X}& =[X_1,X_2,X_3{]}^T\\ \mathbf{\mu }& =E[X]=[{\mu }_1,{\mu }_2,{\mu }_3{]}^T\\ \mathbf{X}-\mathbf{\mu }& =[X_1-{\mu }_1,X_2-{\mu }_2,X_3-{\mu }_3{]}^T\end{array}$$
则有
$$\begin{array}{rl}& E[(\mathbf{X}-\mathbf{\mu })(\mathbf{X}-\mathbf{\mu }{)}^T]\\ & =E[(X_1-{\mu }_1,X_2-{\mu }_2,X_3-{\mu }_3{)}^T\times (X_1-{\mu }_1,X_2-{\mu }_2,X_3-{\mu }_3)]\\ & =E\left[\begin{array}{c}\left(\begin{array}{ccc}(X_1-{\mu }_1{)}^2& (X_1-{\mu }_1)(X_2-{\mu }_2)& (X_1-{\mu }_1)(X_3-{\mu }_3)\\ (X_2-{\mu }_2)(X_1-{\mu }_1)& (X_2-{\mu }_2{)}^2& (X_2-{\mu }_2)(X_3-{\mu }_3)\\ (X_3-{\mu }_3)(X_1-{\mu }_1)& (X_3-{\mu }_3)(X_2-{\mu }_2)& (X_3-{\mu }_3{)}^2\end{array}\right)\end{array}\right]\\ & =\left(\begin{array}{ccc}V(X_1)& Cov(X_1,X_2)& Cov(X_1,X_3)\\ Cov(X_2,X_1)& V(X_2)& Cov(X_2,X_3)\\ Cov(X_3,X_1)& Cov(X_3,X_2)& V(X_3)\end{array}\right)\end{array}$$

编程实现：

S = torch.randn(5, 32) # 5个样本，每个样本特征维度32
X = S.T
mu = X.mean(1).reshape(-1, 1) # 计算X每行的均值x = (X - mu) @ (X - mu).T
cov_x1 = x / (5-1)  #协方差矩阵

内置函数torch.cov：

cov_x2 = torch.cov(S.T) # 计算协方差矩阵# 验证cov_x1与cov_x2是否相等
diff = (cov_x1 - cov_x2).sum() # diff=0

需要注意的是，torch.cov(input)的输入input要求大小为$d\times n$，$n$代表的是观测样本的个数，也就是训练数据的样本个数；$d$代表的是随机变量的个数，可以理解为样本的特征维数。

所以在输入torch.cov之前，需要将训练样本$X\in {\mathbb{R}}^{n\times d}$进行转置。

5. 总结

• 如果需要评价相关性或相似性，前提是变量之间本身就具有线性关系，否则上述评价方法失效。

• 期望是一阶矩（一阶原点矩），方差（协方差）是二阶矩（二阶中心距）。

• 在深度学习相关的方法中，可能会引入上述相关的统计特征对分布偏差进行约束。

参考:

[1]《概率论与数理统计教程》茆诗松等。
[2] 《程序员的数学2 概率统计》平冈和幸等。
[3] wiki-方差