文档帮助中心文档
马氏距离参照样本
d2 =泰姬陵(Y, X)
例子
d2=泰姬陵(Y,X)返回的平方Mahalanobis距离每一个观察的结果Y以参考样品X.
d2=泰姬陵(Y,X)
d2
Y
X
全部折叠
生成相关的二元样本数据集。
rng (“默认”)%的再现性X = mvnrnd([0;0],[1.9;;9 1], 1000);
指定四个与平均值等距的观测值X在欧氏距离。
Y = [1 1;1 -1;-1 1];
计算每个观测值的马氏距离Y以参考样品X.
d2_mahal =泰姬陵(Y, X)
d2_mahal =4×11.1095 20.3632 19.5939 1.0137
计算每个观测值的平方欧氏距离Y平均数X.
d2_Euclidean =总和((Y-mean (X)) ^ 2, 2)
d2_Euclidean =4×12.0931 2.0399 1.9625 1.9094
情节X和Y通过使用散射并使用标记颜色来形象化马氏距离Y以参考样品X.
散射
散射(X (: 1) X(:, 2), 10日“。”)%大小为10的散点图持有在散射(Y (: 1), Y(:, 2), 100年,d2_mahal,“o”,“填充”) hb = colorbar;ylabel (hb,“Mahalanobis距离”)传说(“X”,“Y”,“位置”,“最佳”)
所有的观察Y([1,1],[1],[1],[1])与平均值的距离相等X在欧氏距离。然而,[1,1]和[1]更接近于X而不是[1]和[1]在距离。由于马氏距离考虑了数据的协方差和不同变量的尺度,因此对于检测异常值很有用。
[1,1]
[1]
数据,指定为n——- - - - - -米数字矩阵,n观察的次数是多少米为每次观测中变量的个数。
X和Y必须有相同的列数,但可以有不同的行数。
数据类型:单|双
单
双
参考样品,指定为p——- - - - - -米数字矩阵,p样品的数量是多少米为每个样本中变量的数量。
X和Y必须有相同的列数,但可以有不同的行数。X行必须多于列。
的平方Mahalanobis距离每一个观察的结果Y以参考样品X,返回为n-乘1数字向量,其中n观察的次数在吗X.
马氏距离是样本点和分布之间的量度。
从向量到马氏距离y到一个有均值的分布μ和协方差Σ是
d = ( y − μ ) ∑ − 1 ( y − μ ) ' .
这个距离表示多远y是从标准差数的均值来的。
泰姬陵返回马氏距离的平方d2通过观察Y以参考样品X.在泰姬陵函数,μ和Σ分别为参考样本的样本均值和协方差。
泰姬陵
pdist|泰姬陵|泰姬陵|robustcov|IsolationForest|fitcsvm
pdist
robustcov
IsolationForest
fitcsvm
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系