假设我已经计算了参考数据集的主要组成部分，包括白化。然后，从主成分向量创建的转换矩阵应用于测试数据集，将其投影到PC的子空间上。现在，我应该能够通过简单地将每列的系数相加来测量每个测试数据向量与 PC 超球体中心的距离。这是对的吗？将此转换应用于我的参考数据会给出所有列的长度为零，并且随着我使测试数据看起来更像参考数据，向量的长度似乎会减少，并且随着我使两个集合更加明显而增长。
我可以用这种方式判断多维空间中的"距离"是否正确？它只是投影矩阵系数的总和吗？
非常感谢您提供的任何见解。
距离不是线性和，它永远不会为零(在原点之外(。它的计算公式为：
distance(x) = square_root( sum ( x(i)^2 ) )
如果这不是您要查找的内容，请扩展您的问题并包含一些代码和示例。