健康气氛距离(Mahalanobis Distance )是学习中常用的距离指标,与lcdxh距离、曼哈顿距离、汉明距离等一样,被用作评价数据之间的相似度指标。 但是,可以应对高维线性分布数据中各维间的非独立同分布问题。什么是健康的香氛距离
健康气氛距离(Mahalanobis Distance )是距离的度量,可以看作是lcdxh距离的修正,修正了欧式距离中各维尺度不一致、相关问题。
单一据点的健康氛围距离
数据点x、y之间的健康气氛距离
其中为多维随机变量的协方差矩阵,为样本均值,协方差矩阵为单位向量,即各维独立同分布时,健康的芳香距离为lcdxh距离。
健康的香氛距离实际意义
那么,用健康的芳香距离能做什么呢? 那个比液晶屏xh距离好吗? 举几个栗子
欧式距离近就一定相似?
首先举个常用的例子,就是身高和体重。 这两个变量有不同的单位标准。 也就是说,有不同的比例。 例如,身高以毫米计算,而体重以公斤计算。 很明显,10mm的身高差和10kg的体重差完全不同。 但是,在通常的lcdxh距离下,这被视为相同的差。
归一化后lcdxh距离近就一定相似?
当然,可以进行规范化以消除这种跨维scale差异,但样本分布也会影响分类
举一维板栗,现在有两大类#