Solucionado
Não só o k-nearest neighbors tem um parâmetro para definir a função de distância entre um elemento e seus vizinhos. Sempre vejo as mesmas funções, que estão muito bem explicadas como são obtidas nesse "Para saber mais". Porém, eu não sei ao certo quando usar cada uma. Em qual contexto é melhor eu usar uma ou outra?
Oi, Júlio! Tudo bom?
Peço desculpas demora em te responder.
A escolha da função de distância depende muito do tipo de dados que você está lidando e do problema que você está tentando resolver. Geralmente, quando utilizamos algum tipo de distância em nossas análises e treinamentos, podemos usar suas documentações como suporte!
Como ponto de partida, trago uma explicação sobre as distâncias mencionadas neste "Para Saber Mais":
A Distância Euclidiana é uma boa escolha quando seus dados são exclusivamente discretos ou contínuos. Ela é a medida de distância mais comum e intuitiva, pois é a distância "em linha reta" entre dois pontos;
A Distância de Manhattan é mais útil em situações onde você deseja calcular a distância entre dois pontos enquanto se move em um grid, como um tabuleiro de xadrez ou as ruas de uma cidade;
Se os seus dados têm escalas diferentes, você pode usar a distância de Minkowski, que é uma generalização da distância euclidiana e da distância de Manhattan!
A Distância de Chebyshev, por fim, pode ser útil ao lidar com dados de alta dimensão ou em problemas de otimização, pois ela captura o "pior caso" de diferença entre dois pontos.
Júlio, caso queira explorar ainda mais este assunto, recomendo a leitura do seguinte material, o qual explora os cenários de aplicação de diferentes tipos de distância:
O artigo foi escrito em inglês, contudo, caso não tenha familiaridade com o idioma, você pode traduzir a página clicando com o botão direito do mouse e escolhendo a opção de traduzir para o português.
Espero ter ajudado, Júlio! Se surgirem novas dúvidas, estarei por aqui.
Um abraço!
Muito obrigado pela resposta! Vou dar uma lida nos materiais de apoio.