Manhattan-Distanz manuell berechnen
Die euklidische Distanz ist sehr beliebt, skaliert aber nur bei zwei- oder dreidimensionalen Daten gut. In solchen Fällen kannst du als Alternative die Manhattan-Distanz verwenden. Sie hat den Vorteil, bei Datensätzen mit vielen kategorialen Merkmalen besonders gut zu funktionieren.
Übe, sie manuell mit NumPy zu berechnen; NumPy wurde bereits unter dem Standardalias np geladen.
Diese Übung ist Teil des Kurses
Anomalieerkennung mit Python
Anleitung zur Übung
- Ermittle die absoluten Differenzen zwischen den Elementen von
MundN. - Bilde die Summe der Differenzen, um die endgültige Manhattan-Distanz zu berechnen.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
M = np.array([14, 17, 18, 20, 14, 12, 19, 13, 17, 20])
N = np.array([63, 74, 76, 72, 64, 75, 75, 61, 50, 53])
# Subtract M from N and find the absolute value
abs_diffs = ____
# Calculate the final manhattan distance
manhattan_dist_MN = ____
print(manhattan_dist_MN)