Python 无法计算马氏距离

ValueError:形状（50，）和（2,2）未对齐：50（尺寸0）！=2（dim 0）

参考D x D协方差矩阵计算两个D维向量之间的距离，在某些意义上，协方差矩阵“定义了计算距离的空间”。矩阵对计算距离时应如何加权各种坐标组合进行编码

似乎您已经计算了点的2x2样本协方差，这不是在马氏距离中使用的正确类型的协方差矩阵

如果您还没有定义马氏度量的合理的50x50协方差矩阵，那么马氏距离可能不是您应用程序的正确选择。如果没有更多细节，就很难给出更好的建议。

如的回答中所述，逆协方差矩阵必须是DxD维，其中D是向量中的元素数。因此，您的代码应该是：

import numpy as np
from scipy.spatial import distance

d1 = np.random.randint(0, 255, size=(50))*0.9
d2 = np.random.randint(0, 255, size=(50))*0.7

vi = np.linalg.inv(np.cov(d1,d2, rowvar=0))   
res = distance.mahalanobis(d1,d2,vi)

print res

---

输出数组的形状是什么，即

res

的形状？另外，你能手工计算出非常小的预期输出吗，比如说对于

d1

和

d2

作为

3

元素，每种情况下？@Divakar

res

是一个数字如果我没有弄错，

vi

应该是对所有观测值的精度矩阵的估计

np.cov（d1，d2）

可能不是你想要的。@cel-doc说它是协方差矩阵的倒数。你可能想查看维基百科，了解这个距离到底测量了什么。

import numpy as np
from scipy.spatial import distance

d1 = np.random.randint(0, 255, size=(50))*0.9
d2 = np.random.randint(0, 255, size=(50))*0.7
m =zip(d1, d2)
v = np.cov(m)
try:
    vi = np.linalg.inv(v)
except:
    vi = np.linalg.pinv(v) #just in case the produced matrix cannot be inverted

res = distance.mahalanobis(d1,d2,vi)

print res