【机器学习百问】7.什么时候用欧式距离什么时候用余弦距离？

难度系数（5分制）： 2

余弦相似度的定义： 余弦相似度为两个向量之间的夹角余弦值，取值范围[-1,1]， 相同为1， 正交为0， 相反为-1。

余弦距离的定义： 余弦距离=1-余弦相似度；故取值范围为[0,2]。余弦距离用来衡量不同样本在空间中的关联程度。取值范围稳定，含义清晰。体现向量方向之间的相对差异。
欧式（欧几里得）距离定义： 衡量两点之间的直线距离。体现数值上的绝对差异。

低维度时表示两点之间的直线距离，高纬度时含义比较模糊，且取值范围不稳定。无统一的衡量标准。

适用场景：
余弦距离： 衡量方向关系时使用，比如衡量用户A（1，10）和B（10， 1000），如果用欧式距离衡量，则出现差距过大。但实际上两者在方向上相似，仅为数值差异，在电商中可体现为爱好相同但购物量不同。
欧式距离： 衡量绝对数值距离时使用。

由于各项目中使用样本特征向量不同，可根据被选择特征向量的分布特点及项目需求，从而选择衡量数值距离还是方向相关性。