Clustering groepeert vergelijkbare datapunten. Hiervoor is het nodig om de "afstand" tussen punten te meten. 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 in vogelvlucht. Dat is de Euclidische afstand. Dit is de meest gangbare manier om afstand te meten.

Zie het eenvoudigweg als de "vogelvlucht"-afstand. Het is geschikt wanneer je de directe afstand wilt weten en alle richtingen even belangrijk zijn.

Bijvoorbeeld, als je twee punten hebt, kun je met een liniaal de rechte lijn ertussen 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. Het 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.