题目

4.1 简述欧氏距离与马氏距离的区别和联系。

题目解答

答案

答：设 p 维空间 Rp中的两点 X=( X1, X2⋯ XP)'和 Y=(Y 1,Y 2⋯Y P)'。则欧氏距离为p2。欧氏距离的局限有①在多元数据分析中，其度量不合理。②会受到实际问∑( Xi−Y i)i=1题中量纲的影响。设 X,Y 是来自均值向量为 μ，协方差为的总体 G 中的 p 维样本。则马氏距离为D(X,Y)=(X −Y )'− 1(X −Y )。当−1=I即单位阵时， D(X,Y)=(X −Y )' (X −Y )=p2即欧氏距离。∑( Xi−Y i)i=1因此，在一定程度上，欧氏距离是马氏距离的特殊情况，马氏距离是欧氏距离的推广。

解析

考查要点：本题要求比较欧氏距离与马氏距离的区别与联系，重点在于理解两者在定义、应用场景及数学关系上的差异。

解题核心思路：

欧氏距离：基于几何空间的直接距离计算，不考虑变量间相关性及量纲影响。
马氏距离：通过协方差矩阵标准化，消除量纲影响并考虑变量相关性，适用于统计分析。
联系：当协方差矩阵为单位矩阵时，马氏距离退化为欧氏距离，说明欧氏距离是马氏距离的特例。

破题关键点：

明确两种距离的公式形式。
抓住马氏距离对协方差矩阵的依赖，理解其推广欧氏距离的本质。

欧氏距离

定义：在$p$维空间中，两点$X=(X_1, X_2, \cdots, X_p)'$和$Y=(Y_1, Y_2, \cdots, Y_p)'$的欧氏距离为：
$d_{\text{欧氏}}(X,Y) = \sqrt{\sum_{i=1}^p (X_i - Y_i)^2}$
局限性：

量纲敏感：不同变量的单位差异会影响距离计算。
忽略相关性：未考虑变量间的统计关联。

马氏距离

定义：若$X$和$Y$来自均值向量为$\mu$、协方差矩阵为$\Sigma$的总体，则马氏距离为：
$D_{\text{马氏}}(X,Y) = (X - Y)'\Sigma^{-1}(X - Y)$
优势：

消除量纲：通过协方差矩阵标准化，使各变量处于同一量纲。
考虑相关性：协方差矩阵反映变量间关系，调整距离计算。

联系

当$\Sigma^{-1} = I$（即$\Sigma$为单位矩阵）时，马氏距离退化为欧氏距离：
$D_{\text{马氏}}(X,Y) = (X - Y)'(X - Y) = \sum_{i=1}^p (X_i - Y_i)^2$
此时，欧氏距离是马氏距离的特殊情况，而马氏距离是欧氏距离的推广。