马氏距离和普通距离不一样，它专门算数据之间的“标准化距离”。比如两个苹果店卖苹果和橘子，普通距离只看价格差，马氏距离还会考虑顾客买苹果和橘子时通常会一起买其他水果，这样算出来的距离更准确。

为什么这样设计呢？因为数据分布不是孤立的，比如身高和体重有相关性（高个子通常更重），这时候直接用欧氏距离会误导判断。假设100个成年人的身高和体重数据，协方差矩阵显示身高和体重的相关系数是0.6，当用马氏距离算A点（180cm/70kg）和B点（170cm/60kg）时，先算差值（10cm/10kg），再乘以协方差矩阵的逆矩阵，开平方。结果会比普通距离小14%，说明考虑相关性后A和B更接近。但若协方差是0（身高体重无关），马氏距离就等于普通距离。所以这个公式既保留了距离的直观，又自动调整了数据间的隐藏关系。