n维马氏距离 c++实现

 代码实现如下：

#include<iostream>
#include<Eigen\dense>
#include<vector>
using namespace std;
using namespace Eigen;

double MahalanobisDistance::mahalanobis_distance(vector<double> data, vector<double> vector_x, vector<double> vector_y)
//第一个参数是所有向量样本的值的有序排列。

{
	int n = vector_x.size();//n确定维度
	vector<vector<double>> datas;

	for (int i = 0; i < n; i++)
	{
		vector<double>data_arr;
		datas.push_back(data_arr);
	}
	//将所有的数据按向量的维度分类
	for (int i = 0; i < n; i++)
	{
		for (int j = i; j < data.size(); j += n)
		{
			datas[i].push_back(data[j]);
		}
	}

	VectorXd sum, mean(n);
	sum.setZero(n);

	//每个维度求和
	for (int i = 0; i < n; i++)
		for (int j = 0; j < data.size() / n; j++)
		{
			sum(i) += datas[i][j];
		}
	
	mean = sum / datas[0].size();//每个维度的均值
	
	//求协方差矩阵
	MatrixXd cov;
	cov.setZero(n, n);
	for (int i = 0; i < n; i++)
		for (int j = 0; j < n; j++)
			for (int k = 0; k < data.size() / n; k++)
			{
				cov(i, j) = cov(i, j) + (datas[i][k] - mean[i]) * (datas[j][k]
                             - mean[j]);
			}
	cov = cov / (data.size() / n - 1);

	//单个数据点的马氏距离
	if (vector_y.size() == 0)
	{
		MatrixXd mm(n, 1);
		for (int i = 0; i < n; i++)
		{
			mm(i) = vector_x[i] - mean(i);
		}
		MatrixXd temp(0, 0);
		temp = mm.transpose() * cov.inverse() * mm;
		return sqrt(temp(0, 0));
	}

	//两个数据点之间的马氏距离
	else
	{
		MatrixXd mm(n, 1);
		for (int i = 0; i < n; i++)
		{
			mm(i) = vector_x[i] - vector_y[i];
		}
		MatrixXd temp(0, 0);
		temp = mm.transpose() * cov.inverse() * mm;
		return sqrt(temp(0, 0));
	}
}