马氏距离与对数似然的关系

机器算法验证 可能性
2022-03-14 01:45:45

马氏距离的维基百科条目包含以下注释:

马氏距离的另一个直观描述是它是负对数似然的平方根。也就是说,马氏距离的负平方的指数将为您提供您的数据点属于您已经拥有的样本点的(假定的正态)分布的可能性。

这是如何/在哪里显示的?这是什么意思(我想这不是那么直观......)?

1个回答

为了完整起见,我会回答自己。
我最终在这里找到了方程式,正如@whuber 在他的评论中所写:

定义:

  • k : 多元维度
  • μ:多元均值(一个维向量);k
  • Σ :协方差矩阵;k×k

然后:

  • 平方马氏距离为:DD2=(xμ)TΣ1(xμ)
  • 对数似然是: 或:ln(L)=12ln(|Σ|)12(xμ)TΣ1(xμ)k2ln(2π)
    ln(L)=12ln(|Σ|)12D2k2ln(2π)

因此,定义然后:c12(ln(|Σ|)+kln(2π))

  • ln(L)=12D2c​​和;
  • D=2(ln(L)+c)