欧几里得距离（Euclidean Distance）
定义：指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。
公式：sqrt( (x2-x1)^2 +(y2-y1)^2 )
马哈拉诺比斯距离（Mahalanobis Distance）
定义：数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是，它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者是有关联的），并且是尺度无关的(scale-invariant)，即独立于测量尺度。
公式：对于一个均值为μ，协方差矩阵为Σ的多变量向量，其马氏距离为sqrt( (x-μ)'Σ^(-1)(x-μ) )。
曼哈顿距离（Manhattan Distance）
定义：是种使用在几何度量空间的几何学用语，用以标明两个点在标准坐标系上的绝对轴距总和。
公式：d(i,j)=|X1-X2|+|Y1-Y2|。在平面上，坐标（x1, y1）的i点与坐标（x2, y2）的j点的曼哈顿距离。
切比雪夫距离（Chebyshev Distance）
定义：二个点之间的距离定义是其各坐标数值差绝对值的最大值。
公式：以(x1,y1)和(x2,y2)二点为例，其切比雪夫距离为max(|x2-x1|,|y2-y1|)。
明可夫斯基距离（Minkowski Distance）
定义：又称明氏距离，是欧氏空间中的一种测度，被看做是欧氏距离和曼哈顿距离的一种推广。
公式：(∑|xi-yi|^p)^(1/p) (i=1,2,...n) 。p取1或2时的明氏距离是最为常用的，p=2即为欧氏距离，而p=1时则为曼哈顿距离。
海明距离（Hamming distance）
定义：两个码字的对应比特取值不同的比特数称为这两个码字的海明距离。
公式：计算对应位置不同字符的个数。