19.在K NN 算法中,以下哪种距离度量方法不常用? A.欧氏距离B.曼-|||-哈顿距离C.余弦相似度 D.忽略距离

步骤 1：理解KNN算法
KNN算法（K-Nearest Neighbors）是一种基于实例的学习方法，用于分类和回归。它通过计算样本之间的距离来确定最近的邻居，从而进行预测。
步骤 2：分析距离度量方法
A. 欧氏距离：计算两点之间的直线距离，是KNN算法中最常用的距离度量方法之一。
B. 曼哈顿距离：计算两点之间的水平和垂直距离之和，也是KNN算法中常用的距离度量方法之一。
C. 余弦相似度：计算两个向量之间的夹角余弦值，用于衡量两个向量的相似度，但不是KNN算法中常用的距离度量方法。
D. 忽略距离：不是一种距离度量方法，因此不适用于KNN算法。
步骤 3：确定不常用的距离度量方法
根据上述分析，余弦相似度不是KNN算法中常用的距离度量方法。