概述
含义一
马氏距离可以描述一个点P到一个分布D之间的距离
设这个点P为 x⃗ =(x1,x2,x3,...,xn)T
D分布均值为 μ⃗ =(μ1,μ2,μ3,...,μn)T
D分布协方差矩阵为S
则P点到D分布之间的马氏距离为：
DM(x⃗ )=(x⃗ −μ⃗ )TS−1(x⃗ −μ⃗ )−−−−−−−−−−−−−−−−√
含义二
也可表示两个向量 x⃗ 和y⃗ 之间的距离，但这两个向量需要是同一分布D的
D分布协方差矩阵为S
则两向量距离为
d(x⃗ ,y⃗ )=(x⃗ −y⃗ )TS−1(x⃗ −y⃗ )−−−−−−−−−−−−−−−−√
理解马氏距离
当求距离的时候，由于随机向量的每个分量之间量级不一样，比如说 x1可能取值范围只有零点几，而x2有可能时而是2000，时而是3000，因此两个变量的离散度具有很大差异
马氏距离除以了一个方差矩阵，这就把各个分量之间的方差都除掉了，消除了量纲性，更加科学合理
（图片来自：链接）
如上图，看左下方的图，比较中间那个绿色的和另外一个绿色的距离，以及中间绿色到蓝色的距离
如果不考虑数据的分布，就是直接计算欧式距离，那就是蓝色距离更近
但实际上需要考虑各分量的分布的，呈椭圆形分布
蓝色的在椭圆外，绿色的在椭圆内，因此绿色的实际上更近
马氏距离除以了协方差矩阵，实际上就是把右上角的图变成了右下角
一个例子
图片出处
最后
以上就是开放画板为你收集整理的马氏距离含义一含义二理解马氏距离一个例子的全部内容，希望文章能够帮你解决马氏距离含义一含义二理解马氏距离一个例子所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复