【ML算法基础】马氏距离
直观解释
( x − μ ) (\bold{x}-\bold{\mu})(x−μ)本质上是向量与平均值的距离。然后,将其除以协方差矩阵(或乘以协方差矩阵的逆数)。
这实际上是多元变量的常规标准化(z =(x – mu)/ sigma)。也就是说,z =(x向量)–(平均向量)/(协方差矩阵)。
如果数据集中的变量高度相关,则协方差将很高。除以较大的协方差将有效缩短距离。
同样,如果X不相关,则协方差也不高,距离也不会减少太多。
因此,它有效地解决了规模问题以及前文中谈到的变量之间的相关性。
两个矩形框的相似度:
参考
完
各美其美,美美与共,不和他人作比较,不对他人有期待,不批判他人,不钻牛角尖。
心正意诚,做自己该做的事情,做自己喜欢做的事情,安静做一枚有思想的技术媛。
版权声明,转载请注明出处:https://www.cnblogs.com/happyamyhope/
心正意诚,做自己该做的事情,做自己喜欢做的事情,安静做一枚有思想的技术媛。
版权声明,转载请注明出处:https://www.cnblogs.com/happyamyhope/