我正在训练用于模式识别的神经网络。我有一个大小示例矩阵（$N$X$4$） 和$N$例子和$4$变量。

当我训练网络时，用于训练的示例数量与交叉熵相比，网络的性能在添加新示例时并没有提高。

我怀疑这些示例在它们之间高度相关，并且添加新示例不会为网络提供新信息，但我不知道如何衡量这种相关性。

矩阵的每一行都可以被标记$\mathbf{X}_{i}$. 假设均值为零，则示例之间的协方差矩阵为$\mathbf{R}_{ij} = E[\mathbf{X}_{i} \mathbf{X}_{j}^T]$. 我还可以计算协方差矩阵$\mathbf{X}$，其元素为$\mathbf{R}_{ij}$但在那种情况下，我会有一个矩阵$\sim 300000$X$300000$.

有没有办法计算示例之间的一些平均相关性或其他相关性度量？

谢谢。

编辑：我不想知道变量的相关矩阵，我想知道示例之间的相关性。

EDIT2：这是学习曲线：