¿Cuáles son las "mejores" métricas para las matrices de covarianza y por qué? Para mí está claro que Frobenius & c no son apropiados, y las parametrizaciones de ángulos también tienen sus problemas. Intuitivamente, uno podría querer un compromiso entre estos dos, pero también me gustaría saber si hay otros aspectos a tener en cuenta y quizás estándares bien establecidos.
Las métricas comunes tienen varios inconvenientes, ya que no son naturales para las matrices de covarianza, por ejemplo, a menudo no penalizan especialmente las matrices que no son PSD o no se comportan bien wrt rango (considere dos elipsoides de covarianza de bajo rango rotados: me gustaría lo mismo - Gire la rotación intermedia para tener distancias más bajas que el promedio de componentes, que no es el caso con y tal vez Frobenius, aquí). Además, la convexidad no siempre está garantizada. Sería bueno ver estos y otros problemas abordados por una métrica "buena".
Aquí hay una buena discusión de algunos problemas, un ejemplo de optimización de red y otro de visión por computadora . Y aquí hay una pregunta similar para obtener otras métricas, pero sin discusión.