请问NearestNeighbors()中哪些与cosine相似且radius_neighbors()距离重复少的度量？

以下是Scikit-learn的NearestNeighbors类中，与cosine度量高度相似、且调用radius_neighbors()时距离重复较少的几种度量：

• correlation（相关系数距离）
  相关系数是中心化后的余弦相似度，当向量均值为0时，与余弦相似度完全等价。它聚焦向量的线性相关程度，和cosine一样核心关注方向一致性，相似性判断逻辑高度匹配。由于会纳入向量均值的影响，距离值的分布比纯cosine更分散，重复情况更少。

• 归一化后使用l2（欧氏距离）
  先对所有输入向量做L2归一化（将向量缩放到单位长度），再指定metric='l2'计算距离。此时L2距离的平方与cosine距离满足严格数学关系：$d_{L2}^2 = 2 \times d_{cosine}$，二者单调相关，相似性判断完全一致。但L2距离的数值分布更连续，相比cosine距离，数值重复的概率更低。

• braycurtis（布雷柯蒂斯距离）
  该度量适用于非负向量，计算公式为$\frac{\sum|x_i - y_i|}{\sum|x_i + y_i|}$，核心关注向量元素的比例关系，和cosine一样对向量缩放不敏感，相似性判断趋势高度重合。由于距离计算逻辑与cosine不同，数值重复的情况远少于cosine度量。

内容的提问来源于stack exchange，提问作者Fia Shofia Zahra