マハラノビス距離とは、データの相関関係やばらつき（分散・共分散）を考慮して、点と分布の間の距離を測定する統計的指標です。多変量データにおいて、各変数の尺度や変数間の関連性を考慮できるため、ユークリッド距離では検知できない異常値の検出やクラスタリング、パターン認識などの機械学習分野で広く利用されています。
マハラノビス距離とは
マハラノビス距離とは、データのばらつきや変数間の相関関係を考慮して計算される、多次元空間におけるデータ間の距離指標です。
詳しく解説
多次元データにおいて、一般的なユークリッド距離は空間上の直線距離を測定しますが、変数の単位やデータの広がりの偏りを無視してしまう課題があります。マハラノビス距離は、データの共分散行列を用いて各変数の分散や相関の影響を相殺（正規化）することで、データ群の分布の形状に応じた正確な距離を算出します。統計学や機械学習において、多変量データの正規分布を前提とした確率的な離れ具合を評価する際に非常に重要です。
具体例・使われ方
1. 異常検知：工場のセンサーデータやクレジットカードの不正利用検出において、正常データの分布から離れた異常値を特定する。 2. パターン認識：画像認識や音声認識において、特徴量空間でのクラス分類精度を向上させる。 3. クラスタリング：データの相関構造を考慮して似た性質を持つグループに分類する。
似た用語との違い
ユークリッド距離は、すべての軸が均等で独立している前提で直線距離を測りますが、マハラノビス距離はデータの分散や共分散行列を考慮します。そのため、データの単位が異なる場合や変数間に相関が存在する場合でも、データ分布の歪みに惑わされずに距離を測定できます。マンハッタン距離などの他の距離尺度と比較しても、データの統計的性質を直接反映できる点が特徴です。
注意点
マハラノビス距離を正確に計算するには、データ数が変数の数を上回っている必要があります。データ数が少ない場合、共分散行列の逆行列が計算できなくなるリスクがあります。また、基本的にはデータが多変量正規分布に従っていると仮定するため、非線形な分布や複雑な多峰性を持つデータには適さない場合があります。