闵可夫斯基距离定义：在 \(n\) 维空间中，设两个 \(n\) 维变量\(A(x_{11},x_{12},...,x_{1n})\)与 \(B(x_{21},x_{22},...,x_{2n})\)，将\(d_{12}\)称为\(AB\)之间的闵氏距离
\[d_{12}=(\sum_{i=1}^{n}|x_{1i}-x_{2i}|^p)^\frac{1}{p} \]\(p\) 不同取值表示不同含义：
| p取值 | 含义 |
|---|---|
| 1 | 曼哈顿距离，网格点距离 |
| 2 | 欧式距离 |
| \(+∞\) | 切比雪夫距离即\(max(x_{1i}-x_{2i})\) |
概率论或者测度中，还有其他表示两个有序集合之间的接近程度，比如：
- 标准差，表征实验数据偏离平均值的程度
- 马氏距离，用于测量点（向量）与分布之间的距离，增强型欧氏距离
- 余弦距离，向量夹角的余弦值
- 汉明距离，2个向量不同的分量所占的百分比
- 杰卡德距离，两个集合A和B的交集元素在A，B的并集中所占的比例
- 相关系数，衡量随机变量X与Y相关程度
- 信息熵，描述的是整个系统内部样本之间的一个距离\[Entropy(X)=\sum_{i=1}^{n}-p_ilog_2p_i \]其中，\(n\) 为样本集合 \(X\) 的分类数，\(p_i\) 为 \(X\) 中第 \(i\) 类元素出现的概率