稳健距离和马氏距离的散点图的包

weixin_54384068 2021-04-13 09:34:26

请问稳健距离和马氏距离的散点图中的参考线是基于什么算出来的呀？而且有没有现成的python或者r包来画这个d-d图。（我觉得我自己加上的参考线是没有依据的）

...全文

240 1 打赏收藏举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

zara 2021-04-13

打赏
举报

回复

python 啊，不是有 python专门的版块么，去那里看看吧

本文介绍如何使用马氏距离等统计方法来识别数据集中的异常值，并通过实例展示了如何使用Python进行异常值检测。

本文介绍了由印度统计学家马哈拉诺比斯提出的马氏距离概念及其计算方法。马氏距离是一种考虑了变量间相关性的距离度量方式，适用于评估多变量数据间的相似度。文章还详细说明了如何通过数据的协方差矩阵来计算两个样本间的马氏距离。

本文系统阐述马氏距离的数学定义、几何意义及在异常检测中的实践应用。重点解析其如何通过协方差矩阵逆对数据进行白化变换，克服欧氏距离在相关性与异方差场景下的失效问题；推导其等价于去相关+标准化后的欧氏距离，并揭示其与多元高斯分布、卡方检验的统计关联；结合工业传感器案例，说明阈值设定、稳健协方差估计、高维小样本等关键技术要点。

本文详解马氏距离在多变量异常检测中的原理与MATLAB实现，重点解决欧氏距离在相关性数据中失效的问题。内容涵盖马氏距离的几何意义、协方差矩阵作用、稳健协方差估计（robustcov）、高维下协方差奇异处理（PCA/伪逆/正则化）、卡方阈值标定前提及分位数自适应替代方案，并通过可视化等值线椭圆和p值判定验证检测逻辑，适用于传感器数据清洗、特征筛选与模型预处理。

本文系统阐述马氏距离如何解决欧氏距离在量纲不等价和忽略特征相关性上的缺陷；深入解析协方差矩阵的几何含义及其逆矩阵在距离归一化中的作用；通过特征分解与Cholesky分解完成从零推导，揭示其本质为“旋转+缩放后的欧氏距离”；阐明其等距面为超椭球面，并与多元正态分布、卡方检验紧密关联；最后覆盖异常检测阈值标定、QDA/LDA分类应用及四大实操陷阱（奇异协方差、离群污染、协方差泄漏、跨分布误比）。

21,500

社区成员

41,619

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章