Python实现的计算马氏距离算法示例

Python  /  管理员 发布于 7年前   196

本文实例讲述了Python实现的计算马氏距离算法。分享给大家供大家参考，具体如下：

我给写成函数调用了

python实现马氏距离源代码：

# encoding: utf-8from __future__ import divisionimport sysreload(sys)sys.setdefaultencoding('utf-8')import numpy as npdef mashi_distance(x,y):  print x  print y  #马氏距离要求样本数要大于维数，否则无法求协方差矩阵  #此处进行转置，表示10个样本，每个样本2维  X=np.vstack([x,y])  print X  XT=X.T  print XT  #方法一：根据公式求解  S=np.cov(X)  #两个维度之间协方差矩阵  SI = np.linalg.inv(S) #协方差矩阵的逆矩阵  #马氏距离计算两个样本之间的距离，此处共有4个样本，两两组合，共有6个距离。  n=XT.shape[0]  d1=[]  for i in range(0,n):    for j in range(i+1,n):      delta=XT[i]-XT[j]      d=np.sqrt(np.dot(np.dot(delta,SI),delta.T))      print d      d1.append(d)if __name__ == '__main__':  # 第一列  x = [3, 5, 2, 8]  # 第二列  y = [4, 6, 2, 4]  mashi_distance(x,y)

运行结果：

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。