Clustering groepeert vergelijkbare datapunten. Hiervoor moet de "afstand" tussen punten worden gemeten. Afstandsmaatstaven geven aan hoe gelijk of verschillend datapunten zijn. Het kiezen van de juiste afstandsmaatstaf is belangrijk.

We bekijken twee veelgebruikte afstandsmaatstaven: Euclidische afstand en Manhattan-afstand.

Euclidische Afstand

Euclidische afstand is vergelijkbaar met het meten van de rechte lijn tussen twee punten. Stel je voor dat je op een kaart kijkt en de afstand tussen twee steden meet zoals een vogel zou vliegen. Dat is de Euclidische afstand. Het is de meest gangbare manier om afstand te meten.

Zie het eenvoudigweg als de "vogelvlucht"-afstand. Dit werkt goed wanneer je de directe afstand wilt weten en alle richtingen even belangrijk zijn.

Bijvoorbeeld, als je twee punten hebt, kun je denken aan het gebruik van een liniaal om de rechte lijn ertussen te meten.

Manhattan-afstand

Manhattan-afstand is vergelijkbaar met het meten van afstand in een stad waar je langs stadsblokken moet lopen. Je kunt niet diagonaal door gebouwen heen; je moet langs de straten lopen. Dit wordt ook wel city block-afstand genoemd. Dat is precies de Manhattan-afstand.

Zie het als het lopen langs stadsblokken. Dit is nuttig wanneer beweging beperkt is tot horizontale en verticale richtingen, of wanneer je minder gevoelig wilt zijn voor grote verschillen in slechts één richting.