大家好，又见面了，我是你们的朋友全栈君。
1、欧氏距离Euclidean Distance：
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450.jpg)
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://img-blog.csdn.net/20180611230549668)
2、曼哈顿距离Manhattan：
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://img-blog.csdn.net/2018061123072969)
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://img-blog.csdn.net/20180611230739451)
3、Mahalanobis马氏距离
马氏距离的浅显解释，见我的博文：https://blog.csdn.net/weixin_41770169/article/details/80759195
马氏距离和欧式距离的对比，见我的博文：https://blog.csdn.net/weixin_41770169/article/details/80759236
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://img-blog.csdn.net/20180621135314304)
4、cosine similarity
![NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离[通俗易懂]](https://img-blog.csdn.net/20180621135440697)
cosine distance = 1 – cosine similarity
5、Hammi汉明距离
汉明距离是一个概念，它表示两个（相同长度）字对应位不同的数量
比如：1011101 与 1001001 之间的汉明距离是 2
参考文章：https://blog.csdn.net/Kevin_cc98/article/details/73742037
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/150925.html原文链接：https://javaforall.net
