您用于聚类分析的距离度量应取决于您的数据。例如，在生态学中，我们经常使用关于生态群落的物种存在/不存在/丰度的数据，并使用距离（即相似性）度量，例如 Sorensen 和 Bray-Curtis 度量。

不应该有任何特别反对使用马氏距离的东西。欧几里得距离可能是最直观的使用方法，也许对于您所在的领域，它通常效果很好。但是，它不适用于所有数据集。您可以做的一件事是尝试不同的距离度量和不同的聚类技术，并比较分析中的共生相关性，以查看数据最能支持的模式；此外，查看生成的集群，看看什么是有意义的，并且可以根据您所在领域的现有文献进行解释。

此外，这里有一个关于 CrossValidated 的相关帖子——此外，谷歌搜索“非欧几里德距离聚类分析”看起来会带来一些有用的结果。

希望那有所帮助！

也许看看 相关聚类，它旨在找到具有非球形形状的聚类。

如果您想尝试一下马氏距离，请注意高斯混合模型 EM 聚类确实使用了马氏距离。