02、距离的总结

假设空间中有点$X=(x_1,x_2,...,x_n)$,有$Y=(y_1,y_2,...,y_n)$,以下是表达两点的距离的不同方法

距离

欧式距离

$$d=\sqrt{{\Sigma }_1^n(x_i-y_i)}$$

曼哈顿距离

$$d={\Sigma }_i^n\Vert x_i-y_i\Vert$$

马氏距离（排除量纲）

$$d=(x-y{)}^T{\Sigma }^{-1}(x-y{)}^T$$

闵可夫距离

$$d=\sqrt[p]{{\Sigma }_1^n(x_i-y_i{)}^p}$$

切比雪夫距离

$$d=max\Vert x_i-y_i\Vert$$

余弦距离

$$cos(x,y)=\frac{xy}{\Vert x\Vert \Vert y\Vert }=\frac{\Sigma x_i{y}_i}{\sqrt{\Sigma x_i^2}\sqrt{\Sigma y_i^2}}$$

---

参考
马氏距离由浅入深理解
马氏距离推导
机器学习距离