在機器學習中都可以用來計算相似度。
歐氏距離：坐标系中的兩個點，用來計算兩點之間的絕對距離。
餘弦相似度：坐标系中的兩個向量，計算的是向量的夾角。
當時隻說出了大概的概念意義，沒有進行執行個體補充。
網上找了個例子簡單易懂
例子：
某Tshirt，從100塊降到了50塊 某西裝從1000塊降到了500塊
A(100,50) B(1000,500)
餘弦相似度二者變化趨勢相同，相似度高
歐式距離兩點的距離差距很大，相似度低
歐氏距離和餘弦距離的差別 https://www.zhihu.com/question/19640394
總結：二者進行歸一化操作之後差別不大
又引申出曼哈頓距離和協方差距離(馬氏距離)。。。