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#