강력한 공분산 추정 및 마할라노비스 거리의 중요성

# 소개

이 실습에서는 가우시안 분포 데이터에 대한 멀하나비스 거리 (Mahalanobis distance) 를 사용한 강력한 공분산 추정을 탐색합니다. 멀하나비스 거리는 점과 분포 사이의 거리를 측정하는 지표입니다. 분포의 평균과 점 사이의 거리에 분포의 공분산 행렬의 역행렬을 곱하여 척도화한 값으로 정의됩니다. 가우시안 분포 데이터의 경우, 멀하나비스 거리는 관측치와 분포의 최빈값 (mode) 사이의 거리를 계산하는 데 사용될 수 있습니다. 이 실습에서는 오염된 데이터 집합의 멀하나비스 거리를 계산하는 데 있어, 강력한 공분산 추정량인 최소 공분산 행렬 (MCD) 추정량과 표준 공분산 최대 가능도 추정량 (MLE) 의 성능을 비교합니다.

## VM 팁

VM 시작이 완료되면 왼쪽 상단 모서리를 클릭하여 **Notebook** 탭으로 전환하여 연습을 위한 [Jupyter Notebook](https://support.labex.io/en/labex-vm/jupyter)에 접근합니다.

때때로 Jupyter Notebook 이 완전히 로드되기까지 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사를 자동화할 수 없습니다.

학습 중 문제가 발생하면 Labby 에게 문의하십시오. 세션 후 피드백을 제공하면 문제를 신속하게 해결해 드리겠습니다.