python核心教程：Python怎么实现马氏距离

这次给大家带来Python怎么实现马氏距离，Python实现马氏距离算法的注意事项有哪些，下面就是实战案例，一起来看一下。
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-8

from future import pision

import sys

reload(sys)

sys.setdefaultencoding('utf-8')

import numpy as np

def 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：