距离标准化与相似性

更新：2026-10-13；状态：可用；验证范围：教材、原始研究或官方文档核对；概念与方法说明。

距离反映你选择的尺度与关系，标准化会改变几何结构和后续聚类结果。

距离在比较什么

欧氏距离衡量坐标差的平方和再开方；曼哈顿距离累加绝对差；余弦相似性比较方向；相关距离常写作1−相关系数。距离、相似性和内积不是可以无条件互换的数。

例如一个特征以万为单位，另一个以0到1为单位，欧氏距离可能主要由前者决定。对每列标准化可改变权重，是否合理取决于测量意义；标准化也可能放大低变异噪声。

三种常见处理

中心化减去均值，z标准化再除以标准差；log变换主要改变偏态和相对尺度；样本总量归一化处理测序量或其他总量差异。它们解决不同问题，不能把所有步骤统称“标准化”而不写公式。

预测任务中这些参数应在训练集拟合，再应用到测试；零方差列和缺失值需明确处理。组学还需区分原始计数模型与用于探索的变换矩阵。

距离的适用条件

1−相关或1−余弦并不自动满足所有数学距离公理。Ward层次聚类要求与其方差目标相容的欧氏几何，不能任意把相关距离矩阵塞进去。高维中距离的可分性也可能变弱，应结合特征选择、降维和稳定性检查。

相似度高不等于功能相同、因果关联或测量绝对一致。基因组关系矩阵有特定遗传解释，不是所有样本相似性矩阵都能直接称GRM。

下一步读聚类Kmeans与层次聚类、PCA原理与实现。定义与接口：SciPy距离目录、scikit-learn预处理。