如何在 Python 中找到两个一维数组之间的马氏距离？

Question

我有两个一维数组，我需要找出它们之间的马氏距离。发现Scipy已经实现了这个功能。但是，我对 IV 的值应该是什么感到困惑。我尝试执行以下操作V = np.cov(np.array([array_1, array_2]))IV = np.linalg.inv(V)print(mahalanobis(array_1, array_2, IV))但是，我收到以下错误：文件“C:\Users\XXXXXX\AppData\Local\Continuum\anaconda3\envs\face\lib\site-packages\scipy\spatial\distance.py”，第 1043 行，在 mahalanobis m = np.dot(np.dot （三角洲，VI），三角洲）ValueError: 形状 (128,) 和 (2,2) 未对齐：128 (dim 0) != 2 (dim 0)

Answer 1

从numpy.covdocs，第一个参数应该是一个数组，m这样：

m 的每一行代表一个变量，每一列代表所有这些变量的一个观察值。

因此，要修复您的代码，只需.T在调用之前对数组进行转置（with ）cov：

V = np.cov(np.array([array_1, array_2]).T)

IV = np.linalg.inv(V)

print(mahalanobis(array_1, array_2, IV))

我刚刚在一些随机数据上测试了这一点，我可以确认它有效。

此外，仅从两个观测值计算协方差是一个坏主意，而且不太可能非常准确。如果您的数据来自图像，则img在计算协方差矩阵时应使用整个图像（或至少整个感兴趣区域），然后使用该矩阵来查找两个感兴趣向量之间的马氏距离：

V = np.cov(np.array(img))

IV = np.linalg.inv(V)

print(mahalanobis(array_1, array_2, IV))

您可能需要也可能不需要替换img为img.T，这取决于您的生成方式array_1和array_2首先。

如果您得到奇异协方差矩阵，那么您将遇到数学问题，而不是代码问题。问题“为什么我的协方差矩阵是奇异的？”这显然是一个足够普遍的问题。已经被问到并回答了。从广义上讲，在某种意义上，当您的足够多的数据点“太相似”时，似乎就会发生这种情况。我想只使用两个数据点也会使这更有可能。