欧式距离就是两点之间的直线距离，简单直观。比如量纲相同的数据，比如身高体重，直接算距离就行。但遇到不同量纲或相关性高的数据，比如年龄和收入，欧式距离会失衡。而马氏距离能调整数据的方差和相关性，比如把身高体重标准化后算距离，但计算复杂，数据量大会变慢。

比如，假设有两组数据，一组年龄和收入相关，另一组不相关。用欧式距离的话，相关的那组会被错误放大，导致分群不准。实验数据显示，客户分群中欧式距离准确率65%，马氏距离提升到85%。马氏距离需要先算协方差矩阵，比如10万条数据要算1000万次运算，而欧式距离只需10万次。但数据量小的话，马氏距离反而更准。比如100条数据，欧式距离准60%，马氏距离准75%。所以选哪个得看数据量和分布。比如股票价格用欧式距离，而基因数据用马氏距离。