Howtosignalprocessing
- Mengapa jarak Mahalanobis lebih baik daripada jarak Euclidean?
- Berapakah perbezaan antara jarak Euclidean dan jarak Mahalanobis?
- Adalah setara multivariate Euclidean?
- Mengapa kita menggunakan jarak Mahalanobis?
Mengapa jarak Mahalanobis lebih baik daripada jarak Euclidean?
Jarak Mahalanobis dan Euclidean
Tetapi, MD menggunakan matriks kovarians tidak seperti Euclidean. Kerana itu, MD berfungsi dengan baik apabila dua atau lebih pembolehubah sangat berkorelasi dan walaupun skala mereka tidak sama . Tetapi, apabila dua atau lebih pembolehubah tidak berada pada skala yang sama, keputusan jarak Euclidean mungkin salah faham.
Berapakah perbezaan antara jarak Euclidean dan jarak Mahalanobis?
Jarak Mahalanobis adalah jarak Euclidean yang berskala apabila matriks kovarians adalah pepenjuru. Di PCA matriks kovarians antara komponen adalah pepenjuru. Jarak Euclidean yang berskala adalah jarak Euclidean di mana pembolehubah diperkuat oleh penyimpangan piawai mereka.
Adalah setara multivariate Euclidean?
Jarak Mahalonobis adalah jarak antara satu titik dan pengedaran (berbanding dengan jarak antara dua mata), menjadikannya setara multivariate jarak Euclidean.
Mengapa kita menggunakan jarak Mahalanobis?
Jarak Mahalanobis adalah salah satu langkah yang paling biasa dalam chemometrics, atau memang statistik multivariate. Ia boleh digunakan untuk menentukan sama ada sampel adalah outlier, sama ada proses terkawal atau sama ada sampel adalah ahli kumpulan atau tidak.
