附录2 高斯分布与马氏距离
-
给定随机变量构成的矢量,它的均值是,而,其协方差矩阵
可知,矩阵的对角元是单个变量的方差,而非对角元是交叉协方差。 -
如果的概率密度分布形如
其中是半正定矩阵,那么,变量遵循一个联合高斯分布。均值和协方差是。 -
特殊情况:,为各向同性高斯分布
-
马氏距离
可以看出,高斯概率密度函数是变量马氏距离的函数。 -
理解马氏距离
一个地区的人用两个数据表示(身高/cm,体重/g)。了解到这个地区的数据均值是(170,60000)。越接近这个体型的人数越多
一个人a数据是(180,600100),另一个人b的数据是(175,63000)。如果采用欧式距离的话,a更接近。因此推出有a身材的人更多。
但实际上,我们看来应该是b更接*均身材。所以,欧式距离有问题。
解决方法引入数据方差,计算的欧式距离
到目前,大家可以理解协协方差矩阵是对角阵的马氏距离:距离均值越近,概率越大。而距离与方差有关。那么马氏距离中的协方差怎么回事?
协方差矩阵一般是对称正定矩阵,可以写成,是对角矩阵,U是正交矩阵。记和,则
这样就可以理解了:马氏距离在另一个坐标系下是独立变量的距离。距离越远,概率越小。距离是。
记住,左乘正交矩阵相当于坐标轴进行了刚体欧式运动。欧式运动后,如下图,
上面操作的效果如下:
这样,不同变量独立了。协方差矩阵是对角矩阵。也可以进一步缩放,变为各向同性的高斯分布。
总结一下:马氏距离在另一个坐标系下协方差矩阵是对角阵的马氏距离。
为什么非要协方差?我就要方差不行吗?
考虑,数据冗余的情况。如果只要方差那么投了2次票。通过马氏距离,D有一个元素是0。相当于少了一票。卧槽,起到了PCA的作用。卡方分布:分布是n个独立高斯随机变量的平方和的分布。当应用于有非奇异协方差矩阵的高斯随机变量时,的值满足分布。
如果协方差矩阵是的高斯随机变量,那么,的值满足分布,其中。
更正:高斯分布下,马氏距离可以反映概率。概率越大,距离愈小。在y的协方差矩阵是对角阵的时候,很好理解马氏距离就反应了概率。如果不是对角阵,通过坐标变换y->y’。y’的协方差矩阵是对角阵。并且p(y)=p(y’)。这样就可以求出p(y)了。
- 有高斯分布的协方差是0 <=>变量独立