【尚未完成，不建议参考】马氏距离，汉明距离

本博客尚未完成，不建议参考

---

主要参考：马氏距离实例详解_NLP新手村成员的博客-优快云博客_马氏距离计算实例

马氏距离例题详解（全网最详细）___Wedream__的博客-优快云博客_马氏距离公式的计算题

机器学习算法------1.3 距离度量(欧式距离、曼哈顿距离、切比雪夫距离、标准化欧氏距离、余弦距离、汉明距离 、杰卡德距离、马氏距离)_程序猿-凡白的博客-优快云博客

几种常用的距离计算方式整合_Kang Hao‘s Blog-优快云博客_棋盘距离怎么计算

百度百科

马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的，表示点与一个分布之间的距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是，它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的），并且是尺度无关的(scale-invariant)，即独立于测量尺度。

以下参考：马氏距离(Mahalanobis Distance) - 知乎

单个数据点的马氏距离

数据点x, y之间的马氏距离

其中Σ是多维随机变量的协方差矩阵，μ为样本均值，如果协方差矩阵是单位向量，也就是各维度独立同分布，马氏距离就变成了欧氏距离。