问题标签 [mahalanobis]

我正在实施一种用于 k 均值聚类的算法。到目前为止，它使用欧几里得距离。将欧几里得距离换成马氏距离无法正确聚类。

出于某种原因，马氏距离有时是负的。原来协方差矩阵具有负特征值，这显然不适合协方差矩阵。

以下是我正在使用的功能：

我是如何实现算法的：

1. 设置 k

2. 随机选择 k 个质心

3. 计算每个质心的 covar_matrix()

4. 计算每个质心的每个数据点的 mahalanobis() 并添加到最近的集群

5. 开始寻找新的质心；对于每个集群中的每个数据点*，计算 mahalanobis() 到集群中每个其他点的总和；总和最小的点成为新的质心
6. 重复 3-5 直到旧质心和新质心相同

*用这一点计算covar_matrix()

我期望一个正的马氏距离和一个正定的协方差矩阵（我希望后者将修复前者）。

我需要找到一种方法来编写两个向量（数据实例）之间的相似函数，让我们将它们命名为. 这些数据实例具有分类特征和数量。因此，我想找到一种方法来结合，比如说汉明距离和欧几里得距离，以便在我的关联问题中使用它。

k-NN有合并类型，比如投票等，仍然不能通过投票方式解决关联问题。

我想与 Matching-package 进行匹配。当然，我有治疗变量，这是第一个匹配标准。然后我有第二个变量（C），应该考虑使用马氏距离进行匹配。最后两个变量（D 和 E）应该完全匹配。此外，我有一个矩阵 (R)，其中包含一些不能匹配的异常。

我在公式中使用了“重量 = 2”，因为在包装说明中它说这是马氏距离。但是在我是否将这部分包含到代码中的情况下没有区别。

有谁知道如何使用变量 C 的马氏距离和变量 D 和 E 的 excat 匹配进行匹配？

另外，如果我在函数中跳过这部分（“Weight = 2”），有谁知道这个函数使用什么样的匹配？是全匹配、遗传匹配、最近邻匹配吗？或者也许匹配用于变量 C 的距离是多少？

谢谢

我目前正在学习马氏距离，我觉得这很困难。为了更好地理解这个想法，我生成了 2 组随机值（x 和 y）和一个随机点，其中所有 3 的平均值 = 0 和标准偏差 = 1。如何计算它们之间的马氏距离？请在下面找到我的 Python 代码非常感谢您的帮助！

我正在尝试使用马氏距离损失在 Keras 中实现自定义损失函数。但是我总是遇到这个烦人的错误。

Mahalanobis 距离（或其平方值 [3] 的“广义平方点间距离”）也可以定义为具有协方差矩阵 S 的相同分布的两个随机向量 x 和 y 之间的相异性度量。

d(x,y) = 平方 [转置(xy) * 逆(S)* (xy)]

（https://en.wikipedia.org/wiki/Mahalanobis_distance）

ValueError：形状必须至少为 2 级，但对于具有输入形状的“loss_88/dense_270_loss/MatrixInverse”（操作：“MatrixInverse”）为 0 级：[]。

我正在尝试使用 python sklearn 的 KNN 算法执行 k 折交叉验证网格搜索，搜索中的参数是邻居数 K 和距离度量。我将 mahalanobis 和 seuclidean 作为距离度量，并且理解它们有一个需要指定的参数，即 V 或 VI（特征的协方差矩阵或它的逆矩阵）。

下面是我的代码：

(*) 行在执行时会抛出此错误：

TypeError: __init__() 得到了一个意外的关键字参数 'V'

我也尝试过 VI 而不是 V 但得到了同样的错误。

我在下面遇到了潜在的解决方案，但这些没有帮助。

https://github.com/scikit-learn/scikit-learn/issues/6915

Scikit-learn：我们如何为网格搜索定义距离度量的参数

任何帮助表示赞赏！

这也是我的第一个问题，所以任何反馈都会在这方面有所帮助。

我正在尝试使用 Mahalanobis 作为距离度量来实现 KNN 模型，但是当我执行代码时出现错误：

值错误：“V 的大小不匹配

其中 V 是特征的协方差矩阵。

我的代码的相关部分如下：

我在 github 上查看了 sklearn 的距离度量代码的 repo （从第 628 行开始是 Mahalanobis），并且可以看到错误来自以下原因：

我已经弄清楚了self.size我的情况，但无法弄清楚size是什么。

任何人都可以帮助解决这个错误吗？

谢谢

如何在 cross_validate() python sklearn 中使用马氏距离？我收到错误，因为错误 - V 的大小不匹配。这是我的代码

我是python的初学者，希望您能帮我解决我的问题。

我有两个文件 library.csv（9 列）和 case.csv（8 列），我用 np.loadtxt 读取它们。我从库中选择列将它们放入数组 base[] 中，除了最后一列，我将 case.csv 放入数组问题 [] 中。我会计算问题数组中每一行与基本 [] 数组的所有行之间的马氏距离，并将最小距离存储在表中。

这是我的代码：

但我得到这个错误：

使用 TensorFlow 后端。

回溯（最后一次调用）：
文件“C:\Users\HP\Desktop\MyAlgo\mainAlgo.py”，第 45 行，
距离 [j] = distance.mahalanobis(case_row, base_row, inverse_covariance_matrix)
文件“C:\ Users\HP\AppData\Local\Programs\Python\Python38\lib\site-packages\scipy\spatial\distance.py"，第 1083 行，马哈拉诺比斯
m = np.dot(np.dot(delta, VI), delta )
文件“< array_function internals>”，第 5 行，点
ValueError：形状 (8,) 和 (384,384) 未对齐：8 (dim 0) != 384 (dim 0)

我正在使用 MatchIt 包来实现与 Mahalonobis 距离的最近邻匹配。在匹配阶段之后，我如何让它报告哪个对照观察与每个治疗观察相匹配？

以下代码不起作用并抛出警告“没有纯马氏距离的子分类”。

同样，我要寻找的是输出对于每对处理和控制都有一个 ID，就像使用其他匹配方法（例如，“exact”或“cem”）报告的子类一样。