欧氏距离，曼哈顿距离，余弦距离的区别

欧氏距离：欧氏距离是最常见的距离度量方法，它基于两点之间的直线距离。在二维空间中，欧氏距离公式为d = sqrt((x2-x1)^2 + (y2-y1)^2)，其中(x1, y1)和(x2, y2)是两个点的坐标。

曼哈顿距离：曼哈顿距离是另一种常见的距离度量方法，它衡量两点之间在网格状空间中的距离。在二维空间中，曼哈顿距离公式为d = |x2-x1| + |y2-y1|，其中(x1, y1)和(x2, y2)是两个点的坐标。

余弦距离：余弦距离是一种基于向量的距离度量方法，它衡量两个向量之间的夹角。在机器学习中，余弦距离通常用于文本分类和推荐系统中的相似性度量。余弦距离公式为d = 1 - (cosine similarity)，其中cosine similarity是两个向量的余弦相似度。