如何理解马氏距离，多维Mahalanobis距离是否要用到“互相关张量”来进行描述？ 第1页
1
frombeijingwithlove 网友的相关建议:
一般谈到马氏距离是不能脱离开样本分布的，题主说的“互相关张量”应该指的是样本的协方差矩阵，这个也是和样本分布密切相关的，来看个例子：
左下角在二维空间中由一个分布产生的方块样本，这个分布的一条等高线如虚线的椭圆框所示，图中还有一个不属于该分布的圆圈样本。这是是一个典型的欧式距离会把分布外样本算的更近的例子，比如把绿色和蓝色样本单拎出来，就是左上角的图，蓝色小圆圈和中心的绿色方块更近了，这是因为单纯的欧式距离无法反应方块的分布。这种情况下，考虑用马氏距离。这里默认方块的分布可以由协方差矩阵很好描述（比如是个多维高斯分布），那对于任意两点x和y马氏距离的计算就是下面：
就是协方差矩阵，这样计算出的距离就像
@王赟 Maigo说的一样不再是各向同性，对于方块的分布而言有个良好性质是分布的等高线上到中心的马氏距离相等了，因为马氏距离包含了方块本身分布的信息。进一步来理解，马氏距离可以表示为下面这样：
其实等效于做了个线性变换，然后在变换后的空间中求了下欧式距离，其中可以表示为，其中是个对角矩阵，对角线元素分别为协方差矩阵本征值的倒数开方，的行向量就是协方差矩阵的本征值。无论多少维，协方差矩阵的计算都是一样的，可以参考wiki上协方差矩阵的定义：
Covariance matrix。关于为什么，为什么协方差矩阵就是这个椭圆的理解可以参考另一个答案
主成分分析PCA算法：为什么去均值以后的高维矩阵乘以其协方差矩阵的特征向量矩阵就是“投影”？ - 達聞西的回答 - 知乎1
相关话题
各种机器学习算法的应用场景分别是什么（比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归最大熵模型）？蜗牛从10米深的井底爬，白天爬一米，晚上下落x米，其中x为[0,2]米的随机数，那么爬上的期望是多少？
有没有可能让计算机去理解代码，从而写代码？
数据库 与 数据仓库的本质区别是什么？
国外的程序员是如何保养「革命的本钱」？
如何评价周志华教授新提出的 Deep Forest 模型，它会取代当前火热的深度学习 DNN 吗？
精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？
你从数据中发现了哪些奇妙的不为人知的知识或者见解？
中心极限定理的适用范围有哪些？
百度学术能否替代 Google 学术网站？有没有其他选择？
相关的话题
什么是核密度估计？如何感性认识？随机变量服从正态分布，同时这个正态分布的均值也服从正态分布。这是什么分布？
你所读的统计学方向，有哪些不错的讲义（Notes）？
如何评价周志华教授新提出的 Deep Forest 模型，它会取代当前火热的深度学习 DNN 吗？
有哪些很好玩而且很有用的 R 包？
为什么样本协方差Cov(X,Y)中自由度为n-1，而相关系数的假设检验自由度为n-2？
什么是张量 (tensor)？
数据分析和挖掘有哪些公开的数据来源？
有哪些「神奇」的数据获取方式？
百度学术能否替代 Google 学术网站？有没有其他选择？
数理统计中未知参数的置信区间估计方法中，存在最佳的枢轴量吗？
化工数据分析没有未来吗？
如何评价知乎数据帝@chenqin和NGA用户@verycd00的统计学隔空论战？
怎么通俗地理解张量？
你所读的统计学方向，有哪些不错的讲义（Notes）？
如何求解下面的一个概率分布问题？
数据挖掘与数据分析的主要区别是什么？
时间序列，AR（2）的方差怎么求?
请问在金融风控方向，如何运用用户行为序列进行特征设计和挖掘？
机器学习中非均衡数据集的处理方法？
能否训练一个AI模型来预测房价，寻找投资机会挖掘价值洼地？
从进化的角度看，实现强人工智能，究竟是数据重要还是模型重要？
如何证明马尔科夫链一定会达到稳态？
如何成为数据科学家？
怎么通过一维分布的随机样本推测原分布？
国外的程序员是如何保养「革命的本钱」？
如何通俗地理解概率论中的「极大似然估计法」?
你从数据中发现了哪些奇妙的不为人知的知识或者见解？
如何分析找出知乎的潜在的热门问题？
正负样本极不平衡的问题？