距离度量方法
距离度量方法如下：
1、欧氏距离。

欧氏距离度量两个实值向量之间的最短距离。

由于其直观，使用简单和对许多用例有良好结果，所以它是最常用的距离度量和许多应用程序的默认距离度量。

欧氏距离有两个主要缺点。

首先，距离测量不适用于比2D或3D 空间更高维度的数据。

第二，如果我们不将特征规范化和/或标准化，距离可能会因为单位的不同而倾斜。

2、曼哈顿距离。

曼哈顿距离也被称为出租车或城市街区距离，因为两个实值向量之间的距离是根据一个人只能以直角移动计算的。

这种距离度量通常用于离散和二元属性，这样可以获得真实的路径。

曼哈顿的距离有两个主要的缺点。

它不如高维空间中的欧氏距离直观，它也没有显示可能的最短路径。

虽然这可能没有问题，但我们应该意识到这并不是最短的距离。

3、切比雪夫距离。

切比雪夫距离也称为棋盘距离，因为它是两个实值向量之间任意维度上的最大距离。

它通常用于仓库物流中，其中最长的路径决定了从一个点到另一个点所需的时间。

4、闵可夫斯基距离。

闵可夫斯基距离是上述距离度量的广义形式。

它可以用于相同的用例，同时提供高灵活性。

我们可以选择p值来找到最合适的距离度量。

由于闵可夫斯基距离表示不同的距离度量，它就有与它们相同的主要缺点，例如在高维空间的问题和对特征单位的依赖。

此外，p值的灵活性也可能是一个缺点，因为它可能降低计算效率，因为找到正确的p值需要进行多次计算。