机器学习中的距离计算

1、Euclidean distance 欧氏距离
也叫作欧几里得距离，就是两个点的直线距离，计算方式就是平方差的异相加开根号。

2.Manhattan distance 曼哈顿距离
这个距离值得应该是实际生活中两点可达的距离，比如下图：

这个时候因为有河流存在，所以A不能直接到达B，需要走红色路径通过桥来去到B，这个时候AB绿色路径就是欧式距离，红色部分的路径就是Manhattan distance.

3. 以上两种其实都是Lp-norm范数的特殊形式

$$d(X, Y) = （ \sum_{i=d}{m}|x_i - y_i|^p）^{1/p}$$

4. 马氏距离

关于马氏距离比较详细的一个解释，可以看这位博主的博客，很棒：
http://blog.csdn.net/jmy5945hh/article/details/20536929