0.概述
马氏距离是由印度统计学家马哈拉诺比斯提出的，表示数据的协方差距离。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征之间的联系，即独立于测量尺度。
1.马氏距离公式
设总体G为m维总体(考察m个指标),均值向量为μ，协方差矩阵为S,则样品X=(x1,x2,…xm)’与总体G的马氏距离定义为:
向量Xi与Xj之间的马氏距离定义为：
若协方差矩阵是单位矩阵（各个样本向量之间独立同分布）,则公式就成了：
若协方差矩阵是对角矩阵，公式变成了标准化欧氏距离。
2.马氏距离可视化
3.优缺点
马氏距离和量纲(尺寸)无关，排除变量之间的相关性干扰。