欧式距离和马式距离的区别

前言

为什么要讨论这两个距离之间的区别？

因为，距离函数的选择对数据挖掘算法的效果具有很大的影响，使用错误的距离函数对挖掘过程非常有害。有时候，语义非常相似的对象被认为不相似，而语义不相似的对象却被认为是相似的，这都是因为距离函数选择不佳导致的。这篇文章就是想告诉大家欧式距离不是万能的，距离函数的选择应该随应用场景而定。

欧式距离

设有两个n维数据点$X=(x_1,x_2,...,x_n)$和$Y=(y_1,y_2,...,y_n)$之间的欧几里得距离为：
$$\begin{array}{r}Dist(X,Y)=\sqrt{\sum _{i=1}^n(x_i-y_i{)}^2}=\sqrt{(X-Y)(X-Y{)}^T}\end{array}$$
欧式距离表示的是两点之间的直线距离，它有个很好的性质就是旋转不变性，即两点之间的距离不会因为坐标轴的改变而改变。然而，欧式距离受到数据分布、噪声、高维度和特征度量标准的影响，效果并不太好。

马氏距离

设有$n\times m$维数据集D，令$S\in$$R^{m\times m}$为数据集D的协方差矩阵,$X、Y$是数据集D中的任意两行，两个m维行向量的马哈拉诺比斯距离为：
D i s t ( X , Y ) = ( X − Y ) S − 1 ( X − Y ) T \begin{aligned} Dist(X,Y)=\sqrt{(X-Y)S^{-1} (X-Y)^T} \end{aligned}