A clusterização agrupa pontos de dados semelhantes. Para isso, é necessário medir a "distância" entre os pontos. As medidas de distância indicam o quão semelhantes ou diferentes os pontos de dados são. A escolha da medida de distância adequada é importante.

Serão apresentadas duas medidas de distância comuns: distância Euclidiana e distância Manhattan.

Distância Euclidiana

A distância Euclidiana é semelhante à medição da distância em linha reta entre dois pontos. Imagine observar um mapa e medir a distância entre duas cidades em linha reta. Essa é a distância Euclidiana. É a forma mais comum de medir distância.

Considere-a simplesmente como a distância "em linha reta". É adequada quando se deseja saber a distância direta e todas as direções têm a mesma importância.

Por exemplo, ao considerar dois pontos, pense em usar uma régua para medir diretamente entre eles.

Distância Manhattan

A distância Manhattan é semelhante à medição de distância em uma cidade onde é necessário caminhar pelos quarteirões. Não é possível atravessar diagonalmente pelos edifícios; é preciso seguir pelas ruas. Também é chamada de distância city block. Isso é exatamente a distância Manhattan.

Considere-a como caminhar por quarteirões de uma cidade. É útil quando o deslocamento é restrito às direções horizontal e vertical, ou quando se deseja menor sensibilidade a grandes diferenças em apenas uma direção.