纯干货分享，欢迎关注。

前两天有粉丝去腾讯面试机器学习开发岗，我们简单聊了聊，感觉最近机器学习算法岗热度还是不错的，下面我们看下其中一道面试题。

说一下欧氏距离和曼哈顿距离的区别，都有什么典型应用场景

欧氏距离：

欧氏距离用于度量多维空间中点的绝对距离，这个也是我们最常见的距离计算方式。

欧氏距离的计算是基于各个维度特征的绝对数值，所以需要各个维度特征的度量数值保持在相同的量级，否则欧氏距离的计算是没有意义的，例如，身高180cm和体重80kg分属于不同维度的不同量级，无法根据欧式距离来计算两者的相似程度。

曼哈顿距离：

曼哈顿距离指的是在标准坐标系下两个坐标点之间的绝对轴距之和。

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。

欧氏距离和曼哈顿距离你弄明白了吗，欢迎大家评论区讨论。