在数据分析和机器学习领域，计算样本间的相似性是一个基础任务。其中，欧式距离是最常用的度量方式之一。今天就通过一个简单实例，带大家用MATLAB实现欧式距离的计算！
首先，我们定义两个点：A(1, 2, 3) 和 B(4, 5, 6)。在MATLAB中，可以将它们表示为矩阵或向量形式：
```matlab
A = [1; 2; 3];
B = [4; 5; 6];
```
接下来，利用公式 `d = sqrt(sum((A-B).^2))` 计算两点间的欧式距离：
```matlab
distance = sqrt(sum((A - B).^2));
```
运行后，你将得到结果 `distance = 5.1962`，即两点之间的欧氏距离！🎉
此外，如果需要批量计算多组点之间的距离，可以使用 MATLAB 的 `pdist` 函数：
```matlab
points = [1, 2, 3; 4, 5, 6; 7, 8, 9]; % 多个点
dist_matrix = pdist(points);
```
通过这些方法，无论是单点还是多点的距离计算都变得轻松高效！快来试试吧！💻🚀