在R中指定貝葉斯決策理論中的特徵向量時繪製Mahalanobis距離曲線

Question

我正在研究模式識別和統計。我喜歡在R中使用直接函數而不是明確編寫代碼。 我的問題是， 在三級2維問題，我對每一類的特徵向量通常與協方差矩陣分佈

s <- matrix(c(1.2,0.4,0.4,8),nrow=2)
和平均爲每個類向量

m1 <- t(c(0.1, 0.1));m2 <- t(c(2.1, 1.9));m3 <- t(c(-1.5, 2.0))

假設類同樣可能， 我想分類特徵向量

x <- t(c(1.6,1.5))

根據我成功的貝葉斯最小錯誤概率分類器和現在我想繪製馬哈拉諾比斯距離的曲線。

我試用mahalanobis(x, center, cov, inverted = FALSE, ...)函數在{stats}包內。但我感到困惑，因爲我已經意味着和var-cov矩陣在我的問題和mahalanobis()函數不提供我的問題的工具！或它呢？我不知道！

請別人指導我如何計算馬哈拉諾比斯距離，特別是參考我的問題，繪製馬哈拉諾比斯距離曲線。提前致謝！

上述問題的一個標本是

Answer 1

我不知道你在尋找什麼用的曲線，但對於利用了馬氏功能，簡單地說，以均值和協方差矩陣作爲論據。

dat <- iris[,-5] 
mahal <- mahalanobis(x = dat, center = colMeans(dat), cov = cov(dat))