一、概率统计基本知识1.样本均值样本均值（Mean）是在总体中的样本数据的平均值。2.样本方差方差（Variance）是度量一组数据的离散（波动）程度。方差是各个样本与样本均值的差的平方和的均值，分母除以n-1是为了满足无偏估计：3.样本标准差4.协方差协方差（Covariance）是度量两个变量的变动的同步程度，也就是度量两个变量线性相关性程度。若协方差大于0，表示一个变量增大时另一个变量也会增大，即两个变量呈正相关；若协方差小于0，表示一个变量增大时另一个变量会减小，即两个变量呈负相关；若协方差为0，则统计学上认为二者线性无关。注意两个无关的变量并非完全独立，只是没有线性相关性而已。协方差

也许这是基本的，但我找不到在sklearn中使用mahalanobis距离的好例子。我什至无法获得这样的指标:fromsklearn.neighborsimportDistanceMetricDistanceMetric.get_metric('mahalanobis')这会抛出一个错误:TypeError:0-dimensionalarraygiven.数组必须至少是二维的。但是，我什至无法让它接受数组:DistanceMetric.get_metric('mahalanobis',[[0.5],[0.7]])抛出:TypeError:get_metric()takesexactly

我正在寻找计算两个numpy数组(x和y)之间马氏距离的NumPy方法。以下代码可以使用Scipy的cdist函数正确计算相同的内容。由于这个函数在我的例子中计算了不必要的矩阵，我想要更直接的方法来仅使用NumPy来计算它。importnumpyasnpfromscipy.spatial.distanceimportcdistx=np.array([[[1,2,3,4,5],[5,6,7,8,5],[5,6,7,8,5]],[[11,22,23,24,5],[25,26,27,28,5],[5,6,7,8,5]]])i,j,k=x.shapexx=x.reshape(i,j*k).Ty