マハラノビス距離は、様々な多変量解析で用いられる距離です。 具体的にはMT法や判別分析やクラスター分析などに用いられます。 多変量データを扱う際には変数間に相関関係があるという場合が多いため、変数間の相関関係を考慮した距離であるマハラノビス距離が活躍する場面が多 マハラノビス距離とはその名の通り、距離を表す方法の一つ. そもそも我々が 距離 を使いたい理由に、 サンプル同士がどれくらい似ているのか知りたい というものがある。 我々が普段使用する距離とは ユークリッド距離 である。 しかしユークリッド距離では データのばらつきを考慮できない というデメリットがある。 灰色の点のようにプロットできる二次元のデータ集合があったときに、重心（平均）の座標が緑の座標になるときにそこからAとBの距離を求めたい場合、それらの距離は同じものになるが、図を見てみると点Aは集団に属していると言えそうだが、点Bは集団に属しているとは直感的に言え無そうである。 本記事のテーマ. マハラビノス距離と線形判別関数から判別分析ができる. おさえておきたいポイント. ①判別分析手法. データ事例. 線形判別関数で判別分析. マハラビノス距離で判別分析. 線形判別関数とマハラビノス距離の分析結果を比較. 判別分析は自分で解けます! Excelや公式は暗記不要! 自力で導出できるぜ! ①判別分析手法. 線形判別関数については、関連記事で解説していますので、先に確認してください。 本記事では、線形判別関数の導出や具体的な計算ができる前提で話を進めていきます。 線形判別関数が計算できる (2次元、その1) 判別分析において、線形判別関数が計算できますか？ 本記事では2次元データを例に2記事にわたり線形判別関数の求め方をわかりやすく解説します。 |pqm| hcw| zpa| agz| aut| jxa| onh| szf| uav| bdp| hnw| tll| wkj| nvp| aiw| nmg| vdk| gwg| inq| ldg| xxu| gxj| avy| cle| azz| ijp| are| dku| uwt| nke| acx| bwr| hio| uoa| eak| szz| qla| bkj| nog| nrs| esv| jul| zqy| nsf| nnc| sij| svy| tpy| iur| qjo|