转自：https://blog.csdn.net/a529975125/article/details/81176029
https://blog.csdn.net/a1154761720/article/details/51516273
最大均值差异（Maximum Mean Discrepancy, MMD）主要用来度量两个不同但相关的分布的距离。距离定义为：
理论推导部分省略，大略就是将x/y都通过Φ映射到同一个空间当中，求不同分布的样本在映射空间中的值，然后作为MMD，这个映射空间是再生希尔伯特空间。
那么经过公式推导之后，需要一个核函数，通常是选用高斯核函数，最主要的原因应该是高斯核可以映射无穷维空间。
第一个链接中有实验代码，说明分布越相似MMD值越小。
2.使用
https://pypi.org/project/mmd/，python中有专门的mmd包来计算该值。
https://www.cnblogs.com/zuotongbin/p/13141369.html
输入是两个矩阵。