马氏距离的python实现

马氏距离（Mahalanobis distance）是一种用于度量两个样本之间的相似性的方法，它考虑了特征之间的相关性。在Python中，可以使用NumPy库来实现马氏距离的计算。下面是一个简单的Python函数来计算马氏距离：

import numpy as np

def mahalanobis_distance(x, y, cov):
    diff = x - y
    inv_cov = np.linalg.inv(cov)
    distance = np.sqrt(np.dot(np.dot(diff, inv_cov), diff.T))
    return distance

其中，`x`和`y`是两个样本的特征向量，`cov`是协方差矩阵。这个函数首先计算了样本之间的差异`diff`，然后计算了协方差矩阵的逆`inv_cov`。最后，使用向量和矩阵乘法计算了马氏距离并返回。

你可以根据自己的数据和需求，将样本特征向量和协方差矩阵传入该函数来计算马氏距离。