• ユークリッド距離 (Euclidean)
  最も基本的な直線距離。
  🔗 scipy.spatial.distance.euclidean

• マンハッタン距離 (Manhattan / Cityblock)
  縦横移動の総和（碁盤の目）。
  🔗 scipy.spatial.distance.cityblock

• チェビシェフ距離 (Chebyshev)
  最大の軸方向差を距離とする。
  🔗 scipy.spatial.distance.chebyshev

• ミンコフスキー距離 (Minkowski)
  p次元の一般化距離（p=1でマンハッタン、p=2でユークリッド）。
  🔗 scipy.spatial.distance.minkowski

• カンベラ距離 (Canberra)
  正規化された差で小さな差に敏感。
  🔗 scipy.spatial.distance.canberra

• コサイン類似度 (Cosine)
  ベクトル間の角度の類似度。文書解析で定番。
  🔗 sklearn.metrics.pairwise.cosine_similarity

• ピアソン相関 (Pearson correlation)
  線形相関の強さを測る。
  🔗 numpy.corrcoef

• スピアマン相関 (Spearman correlation)
  順位に基づく相関を測る。
  🔗 scipy.stats.spearmanr

• マハラノビス距離 (Mahalanobis)
  共分散を考慮した距離。外れ値検出に強い。
  🔗 scipy.spatial.distance.mahalanobis

• 標準化ユークリッド距離 (Standardized Euclidean)
  変数ごとの分散でスケーリングした距離。
  🔗 scipy.spatial.distance.seuclidean

• カイ二乗距離 (Chi-square distance)
  分布・ヒストグラム比較で使用。
  🔗 Chi-square distance example (StackOverflow)

• ジェンセン–シャノン距離 (Jensen–Shannon)
  KL距離を対称化した分布比較。
  🔗 scipy.spatial.distance.jensenshannon

• レーベンシュタイン距離 (Levenshtein / Edit distance)
  文字列の挿入・削除・置換回数。
  🔗 python-Levenshtein GitHub

• ハミング距離 (Hamming)
  ビットや文字列の異なる位置数を数える。
  🔗 scipy.spatial.distance.hamming

• ジャッカード係数 (Jaccard index)
  集合の共通部分／和集合の比率。
  🔗 sklearn.metrics.jaccard_score

• ダイス係数 (Dice / Sørensen–Dice)
  共通部分を2倍強調する集合類似度。
  🔗 Dice coefficient example (scikit-learn discussion)
  (Diceは直接関数なし。Jaccardを応用可)