距离测度

欧氏距离测度（EuclideanDistanceMeasure）

也称欧几里得距离，在一个N维度的空间里，求两个点的距离，这个距离肯定是一个大于等于零的数字，那么这个距离需要用两个点在各自维度上的坐标相减，平方后加和再开方。一维，二维，三维的欧式距离计算方法：
一维：
二维： 三维：

可以转为

平方欧氏距离测度（SquaredEuclideanDistanceMeasure）

就是上面的欧式距离的平方

曼哈顿距离测度（ManhattanDistanceMeasure）

相比欧式距离简单的多，曼哈顿距离只要把两个点坐标的x坐标相减取绝对值，y坐标相减取绝对值，再加和， 。三维，四维以此类推。

可以整理为


图中红线代表曼哈顿距离，绿色代表欧氏距离，也就是直线距离，而蓝色和黄色代表等价的曼哈顿距离。曼哈顿距离——两点在南北方向上的距离加上在东西方向上的距离，即d（i，j）=|xi-xj|+|yi-yj|。对于一个具有正南正北、正东正西方向规则布局的城镇街道，从一点到达另一点的距离正是在南北方向上旅行的距离加上在东西方向上旅行的距离，因此，曼哈顿距离又称为出租车距离

明科夫斯基距离

余弦距离测度（CosineDistanceMeasure）

也叫余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。如果两个向量的方向一致，即夹角接近零，那么这两个向量就越相近。要确定两个向量方向是否一致，要用到余弦定理计算向量的夹角。
就是看角度的大小，与距离没有关系，就看某个点与原点组成线的夹角更接近哪个坐标

闵可夫斯基距离(明科夫斯基距离)

闵式距离不是一种距离，而是一组距离的定义，是对多个距离度量公式的概括性表述。定义：两个n维变量（可以理解为n维数组，就是有n个元素）a(x11,x12,x13,…,x1n)与b(x21,x22,x23,…,x2n)间的闵可夫斯基距离定义为： 其中p是一个变参数，
当p=1时，就是曼哈顿距离，
当p=2时，就是欧式距离，
当p -> 无穷 就是切比雪夫距离。

切比雪夫距离

国际象棋中，国王可以直行、横行、斜行。国王走一步，可以移动到相邻的8个方格的任意一个。国王从格子(x1,y1) 到格子(x2,y2)最少需要多少步？这个距离就是切比雪夫距离。
切比雪夫距离公式简单理解为就是各坐标数值差的最大值，在2维空间中的计算公式为： 。

谷本距离测度（TanimotoDistanceMeasure）

同时考虑余弦距离和欧式距离的测度。

加权距离测度（WeightedDistanceMeasure）

可以指定某一维度的权重比例，从而使某个权重的影响力更大。