数据挖掘算法中的相似度、距离度量：聚类、决策树、关联分析等

聚类方法：通常使用相似度度量，如欧几里得距离、曼哈顿距离、余弦相似度等。

决策树：通常使用信息增益或基尼指数等度量来选择最优的划分特征。

关联分析：通常使用支持度、置信度和提升度等度量来评估关联规则的强度和重要性。

最近邻分类器：通常使用欧几里得距离、曼哈顿距离、余弦相似度等相似度度量来计算样本之间的距离，然后根据样本距离来进行分类。

K-means：通常使用欧几里得距离或曼哈顿距离等距离度量来计算样本之间的距离，然后根据距离来对样本进行聚类。