马氏距离python

马氏距离是一种用于衡量两个样本之间相似性的指标，它考虑了各个特征之间的相关性。在Python中，可以使用numpy库来计算马氏距离。下面是一个示例代码：

import numpy as np

def mahalanobis_distance(x, y):
    # 将样本转化为矩阵形式
    X = np.vstack([x, y])
    # 计算协方差矩阵
    S = np.cov(X)
    # 计算协方差矩阵的逆矩阵
    SI = np.linalg.inv(S)
    # 计算马氏距离
    delta = X[0] - X[1]
    d = np.sqrt(np.dot(np.dot(delta, SI), delta.T))
    return d

if __name__ == '__main__':
    x = [3, 5, 2, 8]
    y = [4, 6, 2, 4]
    distance = mahalanobis_distance(x, y)
    print(distance)

这段代码定义了一个名为mahalanobis_distance的函数，该函数接受两个样本x和y作为输入，并返回它们之间的马氏距离。在主函数中，我们给出了两个示例样本x和y，并调用mahalanobis_distance函数来计算它们之间的马氏距离。