Mình có một random vector X
R^d (d = 400) và N samples X_1, X_2, ..., X_N lấy từ nó ( N
40000). Mình muốn ước lượng covariance matrix của X từ N điểm này. Cách thông thường là tính sample covariance matrix :frac{1}{N}
X_n X_n^T - (:frac{1}{N}
X_n ) (:frac{1}{N}
X_n )^T nhưng cách này tương đối lâu khi N và d lớn. Mình cũng tính đến chuyện sub-sample lấy ít ít N thôi nhưng mình không ưng cách này lắm. Xin hỏi có bạn nào biết cách nào ước lượng covariance matrix nhanh hơn cách thông thường không? Nếu có giảm tính chính xác một chút thì mình mong được biết mức độ giảm là bao nhiêu. Xin cảm ơn.
