728x90
결과값에 분산이 반영된다.
따라서 다변량(Multi variables)의 데이터 분포와의 거리를 구할 때 유클리디언 거리보다 유용할 수 있다.
다변량이므로 공분산 행렬이 적용된다.
$$ D^2=(X-M)^{T}\cdot C^{-1}\cdot(X-M) $$
D: 마할라노비스 거리
X: 관측값
M: 데이터 분포의 평균
C: 데이터 분포 간의 공분산 행렬
공분산 행렬의 역행렬(precision matrix)이 사용되는데
전체 데이터 분포에 대해 조건적 독립(요소가 0일 때)적인
특징을 거리에 반영할 수 있기 때문이다.
https://stephens999.github.io/fiveMinuteStats/normal_markov_chain.html
Multivariate normal: the precision matrix
The command set.seed(12345) was run prior to running the code in the R Markdown file. Setting a seed ensures that any results that rely on randomness, e.g. subsampling or permutations, are reproducible.
stephens999.github.io
'컴퓨터비전' 카테고리의 다른 글
| 핀홀 카메라 모델(pinhole camera model) (0) | 2022.01.15 |
|---|---|
| Shortcut Layer (0) | 2021.11.28 |
| IOU(Intersection Over Union) (0) | 2021.11.22 |
| [Object Detection+Tracking] Yolov4+DeepSort Demo (0) | 2021.10.17 |
| 코사인 거리(Cosine distance) (0) | 2021.10.16 |
