在机器学习中都可以用来计算相似度。
欧氏距离：坐标系中的两个点，用来计算两点之间的绝对距离。
余弦相似度：坐标系中的两个向量，计算的是向量的夹角。
当时只说出了大概的概念意义，没有进行实例补充。
网上找了个例子简单易懂
例子：
某Tshirt，从100块降到了50块 某西装从1000块降到了500块
A(100,50) B(1000,500)
余弦相似度二者变化趋势相同，相似度高
欧式距离两点的距离差距很大，相似度低
欧氏距离和余弦距离的区别 https://www.zhihu.com/question/19640394
总结：二者进行归一化操作之后区别不大
又引申出曼哈顿距离和协方差距离(马氏距离)。。。