文本分类为何选择余弦距离，图片分类却用欧氏距离？

在文本分类中，选择余弦相似度（cosine similarity）作为距离度量的优势在于，文本往往是高维稀疏的，每个词的出现或者频率可以看作文本特征的一个维度。而欧氏距离在高维稀疏数据上会存在'维度诅咒'的问题，即随着维度的增加，欧氏距离的效果会变差。而余弦相似度则不受维度的影响，只考虑向量的方向，因此在文本分类中更适用。

在图片分类中，图片是由像素点组成的二维矩阵，每个像素点可以看作是图片的一个特征。欧氏距离可以用于度量像素点之间的差异，因为欧氏距离考虑了特征在各个维度上的差异，可以更好地区分不同的图片。而余弦相似度则不适用于像素点之间的比较，因为它只考虑了向量的方向，忽略了特征的具体差异。因此在图片分类中，欧氏距离更常用。