Bhattacharyya距离
在统计学中,Bhattacharyya距离(以下称巴氏距离)测量的是两个离散或连续概率分布的相似性。计算方式和Bhattacharyya系数关系很密切。两种计算方式都以A. Bhattacharyya名字命名,Bhattacharyya是一位30年代在印度统计研究所工作的统计学家。巴氏系数可用来对两组样本的相关性进行测量。这一方法常用来作分类器算法。[1]
数学定义
-离散概率分布
对于在X数域上的两个离散概率分布p和q,巴氏距离定义为[2]:
DB(p,q) = -ln(BC(p,q)) 其中 BC(p,q) = ∑√p(x)q(x) BC被称作Bhattacharyya系数(巴氏系数)0≤BC≤1q且0≤DB≤∞
-连续概率分布
在连续情形中,Bhattacharyya系数如下定义:
BC(p,q) = ∫√p(x)q(x)dx 0≤BC≤1q且0≤DB≤∞ 两种情形中,巴氏距离DB均不满足三角不等式Bhattacharyya系数
Bhattacharyya系数[3](Bhattacharyya Coefficient, 巴氏系数)是对两个统计样本的重叠量的近似计算。巴氏系数可用来对两组样本的相关性进行测量。
计算巴氏系数涉及到对该两个样本的重叠部分进行基本形式的积分。两个样本值的积分被分成指定数目的部分。而每一个样本的每一个部分的成员数被用于下式中: Bhattacharyya = ∑{i=1|n}√(∑ai·∑bi) 其中,a,b为两个样本,n是分块数,ai, bi分别是在a, b中第i部分的成员数。 这样一来,这个式子就会随着因某块中有两个样本的公共成员而变大(两个样本越相近,计算的值越大),也会随着某块中有一大片重叠的样本成员而变大。分块数的选定依赖于样本中的成员数量;如果分块太少会因过估了重叠区域而失去精确性,如果分块太多会因为造成空块而失去精确性。 如果两个样本完全没有重叠,巴氏系数将会等于0,因为每一个分块都将被0乘。这意味着完全分离的样本不能被巴氏系数单独测定出来。