Mahalanobis-afstandsberegner

Om denne beregner

Den Mahalanobis-afstand måler, hvor langt et punkt ligger fra en fordelings middelværdi, men i modsætning til den almindelige euklidiske afstand tager den højde for korrelationen og spredningen mellem variablerne ved at dividere med fordelingens kovariansmatrix: D² = (x − μ)ᵀ Σ⁻¹ (x − μ). Et punkt, der ligger langt væk i en retning, hvor data varierer meget, regnes for mindre usædvanligt end den samme afstand i en retning, hvor data næsten ikke varierer.

Det gør den til et standardværktøj inden for multivariat afsløring af outliers og anomalier, klyngeanalyse, kvalitetskontrol og klassifikation — for eksempel til at markere svigagtige transaktioner, opdage fejlbehæftede sensoraflæsninger eller måle, hvor typisk en ny observation er i forhold til et træningsdatasæt i maskinlæringsforløb.

Denne beregner tager et punkt med to variabler, fordelingens middelværdi og dens 2×2-kovariansmatrix og beregner derefter Mahalanobis-afstanden direkte. Statistikere, dataforskere og studerende, der lærer multivariat statistik, bruger den til at kontrollere håndregnede beregninger eller efterprøve output fra statistiksoftware.