[英]Simple example calculating Mahalanobis distance between two groups in R
我正在嘗試使用Excel重現此示例,以計算兩組之間的馬氏距離。
在我看來,該示例很好地說明了這一概念。 但是,我無法在R中復制。
在使用Excel的示例中獲得的結果為Mahalanobis(g1, g2) = 1.4104
。
遵循此處為R給出的答案,並將其應用於以下數據,如下所示:
# dataset used in the Excel example
g1 <- matrix(c(2, 2, 2, 5, 6, 5, 7, 3, 4, 7, 6, 4, 5, 3, 4, 6, 2, 5, 1, 3), ncol = 2, byrow = TRUE)
g2 <- matrix(c(6, 5, 7, 4, 8, 7, 5, 6, 5, 4), ncol = 2, byrow = TRUE)
# function adopted from R example
D.sq <- function (g1, g2) {
dbar <- as.vector(colMeans(g1) - colMeans(g2))
S1 <- cov(g1)
S2 <- cov(g2)
n1 <- nrow(g1)
n2 <- nrow(g2)
V <- as.matrix((1/(n1 + n2 - 2)) * (((n1 - 1) * S1) + ((n2 - 1) * S2)))
D.sq <- t(dbar) %*% solve(V) %*% dbar
res <- list()
res$D.sq <- D.sq
res$V <- V
res
}
D.sq(g1,g2)
在數據上執行該函數將返回以下輸出:
$D.sq
[,1]
[1,] 1.724041
$V
[,1] [,2]
[1,] 3.5153846 0.3153846
[2,] 0.3153846 2.2230769
Afaik $D.sq
表示距離,而1.724
與Excel示例中的1.4101
結果有顯着差異。 由於我對馬哈拉諾比斯距離的概念不熟悉,所以我想知道我是否做錯了什么,和/或有更好的方法來計算這一點,例如使用mahalanobis() ?
您得到不同結果的原因是
Excel算法實際上與R算法的不同之處在於如何計算合並的協方差矩陣,R版本為您提供協方差矩陣的無偏估計結果,而Excel版本為您提供MLE估計。 在R版本中,您可以像這樣計算矩陣: ((n1 - 1) * cov(g1) + (n2 - 1) * cov(g2)) / (n1 + n2 - 2)
; 而在Excel版本中: ((n1 - 1) * cov(g1) + (n2 - 1) * cov(g2)) / (n1 + n2)
。
您引用的Excel帖子中的最后一個計算步驟不正確,結果應為1.989278。
編輯:
合並協方差矩陣的無偏估計量是標准方法,就像Wikipedia頁面上一樣: https : //en.wikipedia.org/wiki/Pooled_variance 。 一個相關的事實是,在R中,當您使用cov
或var
,對於協方差矩陣,您將獲得一個無偏估計量而不是MLE估計量。
Edit2:R中的馬哈拉諾比斯函數計算從點到分布的馬哈拉諾比斯距離。 它不計算兩個樣本的馬氏距離。
結論:總而言之,計算兩個樣本之間馬哈拉諾比斯距離的最標准方法是原始文章中的R代碼,該代碼使用合並協方差矩陣的無偏估計量。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.