sorodni izrazi in sinonimi v sodobni slovenščini, hrvaščini in srbščini
Podobnost besed in fraz med rezultati je odvisna od tega, kolikokrat se beseda
ali fraza pojavi v podobnem stavčnem kontekstu kot "mahalanobisove razdalje".
Podobni izrazi in sinonimi za
Kliknite za poizvedbo
Širši sorodni izrazi
Izrazi, ki navajajo mahalanobisove razdalje med svojimi sorodnimi izrazi, a jih seznam zgoraj ne doseže. Njihova podobnost je nižja od podobnosti zadnjega izraza nad njimi.
Pogosto skupaj z
Primeri iz korpusa
Korpus Common Crawl
Common Crawl je korpus spletnih strani
Pomembna prednost Mahalanobisove razdalje je v njeni sposobnosti, da upošteva kovariančno strukturo podatkov in s tem skalira in normalizira varianco in kovarianco.
Ravno zaradi tega je bilo implementirano preverjanje asociacije preko Mahalanobisove razdalje, ki glede na določeno mejo opredeli indeks zaznane značilke.
Mahalanobisove razdalje običajno kaže na večje odstopanje med vektorjema 𝑥 in 𝑦, pri čemer se upošteva struktura kovariančne matrike S.
Tako definirane Mahalanobisove razdalje izračunamo na nivoju posameznega procesa in jih nato agregiramo po celotnem sklopu s pomočjo mediane.
S pomočjo diskriminantne analize sem ustvarila klasifikacisjko preglednico proučevanih osebkov , za katero sem uporabila Mahalanobisove razdalje ( razdalje med centroidi ) .
Odločitvene prage algoritma za izločanje motenj definiramo na osnovi pričakovane srednje vrednosti in standardne deviacije Mahalanobisove razdalje.
Normaliziranje koeficientov nam prav tako omogoča izraziti mero razlike med vektorji morfoloških značilk v smislu Mahalanobisove razdalje.
V nasprotnem primeru pa se hipoteza zavrže in se kazalcu dodeli vrednost indeksa najmanjše Mahalanobisove razdalje.
Postopek za izbiro povezave in definicija Mahalanobisove razdalje se nahaja v delu algoritma za ugotavljanje asociacije.
Implementirali smo tudi algoritem za prepoznavo razlik med skupinami značilk, ki deluje na podlagi Mahalanobisove razdalje.
Glavna prednost uporabe Mahalanobisove razdalje je ta, da upošteva elipsoidno obliko podatkov, ki pripadajo določenemu oblaku.
V prvi matriki so Mahalanobisove razdalje med testnim vzorcem in središčem posamezne skupine iz modela.
Šele po naslednjih 10-ih minutah (po 118 novo izračunanih vektorjev značilk) se izvede izračun Mahalanobisove razdalje in klasifikacija s pomočjo pragu.
V osnovi je prikazanih prvih 5 komponent transformacije z možnostjo razširitve ter dodatnega prikaza Mahalanobisove razdalje.
Mahalanobisove razdalje (D2) kažejo na statistično značilne razlike v razporejanju med nekaterimi vrstami ptičjih plenilcev.
Za jasnejšo predstavitev odnosov med geografskimi vzorci sem Mahalanobisove razdalje ( tabela 26 ) predstavila v obliki dendrograma ( slika 8 ) .
Tako dobimo skupno število indeksov, ki ga potrebuje funkcija za izračun Mahalanobisove razdalje.
Možna je tudi izbira ročnega vnosa praga Mahalanobisove razdalje in izbira referenčnega seta.
Glede na Mahalanobisove razdalje so si oblikovno dokaj različne tudi ostale vrste .
S pomočjo izračuna Cookove in Mahalanobisove razdalje sem nadalje ugotovila, da v regresijskem modelu ni vrednosti, ki bi močno vplivale na model.