欧式距离和曼哈顿距离分布

欧式距离和曼哈顿距离都是计算两点之间距离的方法。欧式距离是两点之间的直线距离，曼哈顿距离是两点之间的城市街区距离。

假设有两个点A(x1, y1)和B(x2, y2)，则它们之间的欧式距离可以表示为：
d(A,B) = sqrt((x2-x1)^2 + (y2-y1)^2)

而曼哈顿距离可以表示为：
d(A,B) = |x2-x1| + |y2-y1|

在机器学习中，这两种距离常用于特征之间的相似度计算，比如KNN算法中的距离度量。具体来说，欧式距离更适合用于连续数值型数据，而曼哈顿距离更适合用于分类变量或者有序分类变量。