什么是马氏距离？.pptVIP

距离判别法 距离判别的基本思想是： 样品和哪个总体距离最近，就判别它 属哪个总体。 距离判别也称为直观判别法 欧氏距离的定义与计算公式 欧氏距离的优点与缺陷 马氏距离的概念 马氏距离的定义与计算公式 马氏距离的优点与缺点 欧氏距离与马氏距离的区别与联系 欧氏距离的定义与计算方法 概念：它是在m维空间中两个点之间的真实距离。 设p维欧几里得空间Rp中的两点X=(X1,X2, …,Xp)’和Y=(Y1,Y2, …,Yp)’,它们之间的距离为 d2(X,Y)=(X1-Y1)2+…+(Xp-Yp)2 欧氏距离的缺陷 我们熟悉的欧氏距离虽然很有用，但在解决多元数据的分析问题时，就显示出了它的不足之处。一是它没有考虑到总体的变异对“距离” 远近的影响，显然一个变异程度大的总体可能与更多样品近些，即使它们的欧几里得距离不一定最近；另外，欧几里得距离受变量的量纲影响，这对多元数据的处理是不利的。 什么是马氏距离？ 概念：马氏距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。 与欧氏距离不同的是它考虑到各种特性之间的联系，即独立于测量尺度。 马氏距离定义： ∑=cov(x,y)=E〔(X-EX)(Y-EY)〕 = cov(x1,y1) cov(x1,y2)… cov(x1,yp) cov(x2,y1) cov(x2,y2)… cov(x2,yp) cov(xp,y1) cov(xp,y2)… cov(xp,yp) Cov(x,y)=0时，x与y不相关。 马氏距离的其它定义： 马氏距离也可以定义为两个服从同一分布并且其协方差矩阵为∑的随机变量的差异程度：如果协方差矩阵为单位矩阵，马氏距离就简化为欧氏距离；如果协方差矩阵为对角矩阵，则其也可称为正规化的欧氏距离。 马氏距离优点 它不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关；由标准化数据和中心化数据(即原始数据与均值之差）计算出的二点之间的马氏距离相同。马氏距离还可以排除变量之间的相关性的干扰。 马氏距离 欧式距离 欧氏距离与马氏距离的区别与联系 1）马氏距离的计算是建立在总体样本的基础上的，这一点可以从上述协方差矩阵的解释中可以得出，也就是说，如果拿同样的两个样本，放入两个不同的总体中，最后计算得出的两个样本间的马氏距离通常是不相同的，除非这两个总体的协方差矩阵碰巧相同； 2）在计算马氏距离过程中，要求总体样本数大于样本的维数，否则得到的总体样本协方差矩阵逆矩阵不存在，这种情况下，用欧式距离计算即可。 3）还有一种情况，满足了条件总体样本数大于样本的维数，但是协方差矩阵的逆矩阵仍然不存在，比如三个样本点（3，4），（5，6）和（7，8），这种情况是因为这三个样本在其所处的二维空间平面内共线。这种情况下，也采用欧式距离计算。 4）在实际应用中“总体样本数大于样本的维数”这个条件是很容易满足的，而所有样本点出现3）中所描述的情况是很少出现的，所以在绝大多数情况下，马氏距离是可以顺利计算的，但是马氏距离的计算是不稳定的，不稳定的来源是协方差矩阵，这也是马氏距离与欧式距离的最大差异之处。 例题： Thank You !