常用的度量准则

1、常见的几种距离

（1）欧式距离

定义在两个向量（空间中的两个点）上：点 x 和点 y 的欧式距离为：
$$d_{Euclidean}=\sqrt{(\mathbf{x}-\mathbf{y}{)}^T(\mathbf{x}-\mathbf{y})}$$
（2）闵可夫斯基距离

两个向量（点）的 p 阶距离：
$$d_{Minkowski}=(||\mathbf{x}-\mathbf{y}|{|}^p{)}^{\frac{1}{p}}$$
当 p=1 时就是曼哈顿距离，当 p=2 时就是欧式距离。

（3）马氏距离

定义在两个向量（两个点）上，这两个数据在同一个分布里。点 x 和点 y 的马氏距离为：
$$d_{Mahalanobis}=\sqrt{(\mathbf{x}-\mathbf{y}{)}^T{\Sigma }^{-1}(\mathbf{x}-\mathbf{y})}$$
其中，Σ为这个分布的协方差，当Σ=Ι 时，马氏距离退化为欧式距离。

2、余弦相似度

衡量两个向量的相关性（夹角的余弦）。向量x，y的余弦相似度为：
c o s ( x , y ) = x ⋅ y ∣ x ∣ ⋅ ∣ y ∣ cos(\bold{x},\bold{y})= \frac{\bold{x} \cdot \bold{y}}{|\bold{x}| \cdot |\bold{y}|}