这次给大家带来python怎么实现马氏距离，python实现马氏距离算法的注意事项有哪些，下面就是实战案例，一起来看一下。
本文实例讲述了python实现的计算马氏距离算法。分享给大家供大家参考，具体如下：
我给写成函数调用了
python实现马氏距离源代码：
# encoding: utf-8 from future import pision import sys reload(sys) sys.setdefaultencoding('utf-8') import numpy as np def mashi_distance(x,y):   print x   print y   #马氏距离要求样本数要大于维数，否则无法求协方差矩阵   #此处进行转置，表示10个样本，每个样本2维   x=np.vstack([x,y])   print x   xt=x.t   print xt   #方法一：根据公式求解   s=np.cov(x)  #两个维度之间协方差矩阵   si = np.linalg.inv(s) #协方差矩阵的逆矩阵   #马氏距离计算两个样本之间的距离，此处共有4个样本，两两组合，共有6个距离。   n=xt.shape[0]   d1=[]   for i in range(0,n):     for j in range(i+1,n):       delta=xt[i]-xt[j]       d=np.sqrt(np.dot(np.dot(delta,si),delta.t))       print d       d1.append(d) if name == 'main':   # 第一列   x = [3, 5, 2, 8]   # 第二列   y = [4, 6, 2, 4]   mashi_distance(x,y)
运行结果：
相信看了本文案例你已经掌握了方法，更多精彩请关注其它相关文章！
推荐阅读：
python字符串如何转为二维数组
event emitter的监听事件
以上就是python怎么实现马氏距离的详细内容。