[数据挖掘]数学基础---距离度量方式（马氏距离，欧式距离，曼哈顿距离）

马氏距离

概念：马氏距离是由印度统计学家马哈拉洛比斯提出的，表示数据的协方差距离。它是一种有效的计算两个位置样本集相似度的方法。

马氏距离的定义：设总体G为m维总体（考察m个指标），均值向量为$\mu=(\mu_{1},\mu_{2},...,\mu_{m})'$，协方差阵为$\sum =(\sigma_{ij})$,则样品$X=(x_{1}，x_{2}，...,x_{m})'$与总体G的马氏距离定义为

$d^{2}(X,G)=(X-\mu)'\sum^{-1}(X-\mu)$
当 m