我想顺序更新多元高斯分布的协方差矩阵，但得到一个AttributeError。下面是一段简单的代码来重现错误：
import numpy as np
from scipy.stats import multivariate_normal
# Initial mean
init_pose = np.array([0, 0, 0]).T
# Multi-variate Gaussian
belief = multivariate_normal(mean=init_pose, cov=np.diag([1e-10, 1e-10, 1e-10]))
print(belief.mean, belief.cov)
# Update mean and covariance
belief.mean = np.array([10, 20, 30]).T
belief.cov = np.diag([1, 2, 3])字符串
错误消息包括：
AttributeError Traceback (most recent call last)
Cell In[42], line 7
5 print(belief.mean, belief.cov)
6 belief.mean = np.array([10, 20, 30]).T
----> 7 belief.cov = np.diag([1, 2, 3])
8 print(belief.mean, belief.cov)
AttributeError: can't set attribute型
我使用belief.__dict__检查了变量belief的属性，结果如下：
{'_dist': <scipy.stats._multivariate.multivariate_normal_gen object at 0x2b84d81cfc10>,
'dim': 3, 'mean': array([0., 0., 0.]),
'cov_object': <scipy.stats._covariance.CovViaPSD object at 0x2b84d81cfbe0>,
'allow_singular': False, 'maxpts': 3000000, 'abseps': 1e-05, 'releps': 1e-05}型
如错误所示，变量没有cov属性，而是有cov_object。有没有办法使用numpy数组更新协方差？
1条答案
按热度按时间pkln4tw61#
现有的基础设施并不支持更新协方差矩阵。
cov是一个只读属性，正如您在源代码中看到的那样。（尽管没有文档记录，但这是多变量分布的许多known issues之一。）你可以 *（虽然官方不支持）更新你找到的
cov_object属性。如果你使用stats.Covariance，我推荐，这可能看起来像：字符串
只要你的新
mean和cov_object不违反你可以从_process_parameters_Covariance推断出的条件（基本上只是一致的维数），我希望它能正确工作。如果你改变mean和cov_object来表示不同维数的多元正态，你还需要相应地更新dim属性。在评论中，你写道：
但是，我不知道如何定义非对角协方差矩阵。
Covariance还有其他几个定义协方差矩阵的选项。SciPy文档似乎有证书问题ATM，但你会发现其他方法，如from_precision，from_cholesky和from_eigendecomposition，可以用于更一般的协方差矩阵。那么，这是否意味着一个值不能以这种方式设置为协方差，因为协方差是一个属性而不是一个属性？
这是因为它是一个使用
@property修饰符创建的只读属性;它不是在__init__方法（如self.cov = cov）中定义的普通属性。