Python实现的计算马氏距离算法示例-CDA数据分析师官网

Python实现的计算马氏距离算法示例

2018-06-16

Python实现的计算马氏距离算法示例

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 division
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：

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

numpy python

数据分析咨询请扫描二维码

上一篇市场乱象纷纷区块链何去何从

下一篇python根据距离和时长计算配速示例

Python实现的计算马氏距离算法示例

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析常用工具和方法

数据挖掘在客户行为分析中的作用

如何进行数据挖掘分析

企业提高运营效率的技巧

Python 适合初学者学习吗

金融数字化在中小企业中的应用

中小企业数字化转型策略

如何选择合适的数据分析方法

数据分析师的核心能力有哪些

数据挖掘与分析的基本步骤解析

如何提升商务数据分析师的工作效率 ...

数据挖掘在商业中的重要性

数据分析可视化的应用场景

如何使用Python进行数据分析

数据分析师需要掌握的工具

业务分析师需要掌握的技能

CDA中科院城市环境研究所（厦门）内训圆满成功 ...

常见的数据分析方法及其应用

数据分析的基本步骤是什么

如何成为一名优秀的业务分析师