统计距离

统计距离”,主要是用于区别常用的欧式距离,或直线距离。 欧式距离在计算方法和理解上较为简单,但在一些统计问题上还是有一些缺点。比如,在欧式距离中,每个坐标的贡献是同等的,但用测量值做为坐标值计算距离时,会带有不等的随机波动,这种情况下需要对坐标进行加权。

还有一点就是,数据分量为不同的量时,欧式距离的大小与分量所使用的单位相关。

因此,统计距离在欧式距离的基础上,采用合理权数,旋转变换的方法,得到能够提现分量的变差,但又与分量单位无关的合理距离。

d(P,Q) = []d(P,Q) = [(X-Y)'A(X-Y)]^{1/2}

 马氏距离是教常用的一种统计距离:

d_{m}^{2}(X,Y) = (X-Y){}'\Sigma ^{^{-1}}(X-Y)

利用坐标差平方除以方差跑【多维时除以协方差矩阵】。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值