距离度量、相似度计算 (闵氏距离、马氏距离、皮尔逊相关系数、余弦相似度)

$L_p$ 距离 ($L_p$ distance) / Minkowski 距离 (Minkowski distance)

• 当 $p=2$ 时，称为欧氏距离 (Euclidean distance)
  
• 当 $p=1$ 时，称为曼哈顿距离 (Manhattan distance)
  
• 当 $p=\infty$ 时，称为切比雪夫距离 (Chebyshev distance)，它是各个坐标距离的最大值，即
  

马氏距离 / 马哈拉诺比斯距离 (Mahalanobis Distance)

• Ref: 马氏距离 (Mahalanobis Distance)、马氏距离与其推导

---

• 马氏距离是度量学习中一种常用的距离指标，同欧氏距离、曼哈顿距离、汉明距离等一样被用作评定数据之间的相似度指标。但却可以应对高维线性分布的数据中各维度间非独立同分布的问题

---

马氏距离

• 单个数据点的马氏距离
  $$D_M(x)=\sqrt{(x-\mu {)}^T{\Sigma }^{-1}(x-\mu )}$$
• 数据点 $x,y$ 之间的马氏距离
  $$D_M(x,y)=\sqrt{(x-y{)}^T{\Sigma }^{-1}(x-y)}$$其中 $\Sigma$ 是多维随机变量的协方差矩阵，$\mu$ 为样本均值，如果协方差矩阵是单位向量，也就是样本数据的各个分量不相关且各个分量的方差为 1，马氏距离就变成了欧氏距离，因此马氏距离是欧氏距离的推广

---

马氏距离到底有什么用？

• 如下图的过程，此例的数据中心为原点，$P_1$, $P_2$ 到原点的欧氏距离相同，但点 $P_2$ 在 $y$ 轴上相对原点有较大的变异，而点 $P_1$ 在 $x$ 轴上相对原点有较小的变异。所以 $P_1$ 点距原点的直观距离是比 $P_2$ 点的小的
  
• 马氏距离就是解决这个问题，它将直观距离和欧式距离统一。为了做到这一点， 它先将数据不同维度上的方差统一（即各维度上的方差相同），此时的欧式距离就是直观距离。如下图所示：统一方差后，${\hat{P}}_1$ 到原点的距离小于 ${\hat{P}}_2$
  
• 但是，如果不同维度之间具有相关性，则压缩的效果就不好了。如下图只在横向和纵向上压缩，则达不到上图的压缩效果；只有在 $F_1$ 方向和 $F_2$ 方向上压缩数据才能达到较好的效果。所以需要将原始数据在 $XY$ 坐标系中的坐标表示在 $F$ 坐标系中。然后再分别沿着坐标轴压缩数据
  
• 所以，计算样本数据的马氏距离分为两个步骤
  • (1) 坐标旋转: 使旋转后的各个维度之间线性无关 (也就是使得各个维度数据之间的协方差均为 0)，所以该旋转过程就是主成分分析的过程
  • (2) 数据压缩: 将不同的维度上的数据压缩成为方差都是 1 的的数据集

---

马氏距离的推导

• 定义一组 ${\mathbb{R}}^n$ 上的正交基 $P$ 作为旋转后的新坐标系，$y$ 为样本 $x$ 旋转后的新坐标 (在新坐标系内，样本 $y$ 各个属性之间协方差为 0)，即 $x=Py$
• 设原协方差矩阵为 $\Sigma$，旋转后的协方差矩阵为 $D$ (由于旋转后各个属性之间协方差为 0，因此 $D$ 一定为对角矩阵)，有
  $$\begin{array}{rl}\Sigma & =\frac{1}{N-1}\sum _{n=1}^N(x_n-\mu )(x_n-\mu {)}^T\\ \therefore D& =\frac{1}{N-1}\sum _{n=1}^N(y_n-{\mu }^{\prime })(y_n-{\mu }^{\prime }{)}^T\\ & =\frac{1}{N-1}\sum _{n=1}^{N}P(x_n-\mu )(x_n-\mu {)}^T{P}^T\\ & =P\Sigma P^T\end{array}$$注意到这上面的推导和 PCA 是一样的，$P$ 由 $\Sigma$ 的特征向量基组成，$D$ 为对角矩阵，对角元素为 $\Sigma$ 对应的特征值
• 通过上面的推导，我们知道了如何旋转坐标系，之后我们要做的就是对旋转后的样本 $y$ 进行数据压缩，压缩后的样本 $\hat{y}=\sqrt{D^{-1}}y$
• 马氏距离是旋转变换缩放之后的欧式距离，因此马氏距离为:
  $$\begin{array}{rl}{D}_M& =({\hat{y}}_1-{\hat{y}}_2{)}^T({\hat{y}}_1-{\hat{y}}_2)\\ & =(y_1-y_2{)}^T{D}^{-1}(y_1-y_2)\\ & =(x_1-x_2{)}^{T}P{D}^{-1}{P}^T(x_1-x_2)\\ & =(x_1-x_2{)}^T(P^{T}DP{)}^{-1}(x_1-x_2)\\ & =(x_1-x_2{)}^T(P^{T}P\Sigma P^{T}P{)}^{-1}(x_1-x_2)\\ & =(x_1-x_2{)}^T{\Sigma }^{-1}(x_1-x_2)\end{array}$$

余弦相似度 (Cosine Similarity)

• 夹角余弦越接近于 1，表示样本越相似；越接近于 0，表示样本越不相似

皮尔逊相关系数 (Pearson correlation coefficient)

• 相关系数的绝对值越接近于 1，表示样本越相似；越接近于 0，表示样本越不相似
• 从形式上看，相比余弦相似度，皮尔逊相关系数通过使用样本平均值对各分量值进行修正，减小了不同样本偏置的影响

参考文献

• 《统计学习方法》
• 《深度学习推荐系统》