马氏距离

最新推荐文章于 2019-11-03 17:32:51 发布

family315

最新推荐文章于 2019-11-03 17:32:51 发布

阅读量2.9k

点赞数

文章标签：影视音乐

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/family315/article/details/1523658

版权

首页 | 文学 | 典籍 | 影视 | 音乐 | 科技 | 人物 | 原创 | 文摘 | 维基文化 | 综合参考

马氏距离是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧式距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的）并且是尺度无关的(scale-invariant)，即独立于测量尺度。对于一个均值为 $/mu = ( /mu_1, /mu_2, /mu_3, /dots , /mu_p )$ 协方差矩阵为 $Σ$ 的多变量向量 $x = ( x_1, x_2, x_3, /dots, x_p )$ ,其马氏距离为

$D_M(x) = /sqrt{(x - /mu)^T /Sigma^{-1} (x-/mu)}./,$

马氏距离也可以定义为两个服从同一分布并且其协方差矩阵为 $Σ$ 的随机变量 $/vec{x}$ 与 $/vec{y}$ 的差异程度:

$d(/vec{x},/vec{y})=/sqrt{(/vec{x}-/vec{y})^T/Sigma^{-1} (/vec{x}-/vec{y})}./,$

如果协方差矩阵为单位矩阵,那么马氏距离就简化为欧式距离,如果协方差矩阵为对角阵,则其也可称为正规化的欧氏距离'.

$d(/vec{x},/vec{y})= /sqrt{/sum_{i=1}^p {(x_i - y_i)^2 /over /sigma_i^2}},$

其中 $σ i$ 是 $x i$ 的标准差.

取自" http://www.wikilib.com/wiki/%E9%A9%AC%E6%B0%8F%E8%B7%9D%E7%A6%BB"

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。