Calculer manuellement la distance de Manhattan
Si la distance euclidienne est très répandue, elle passe mal à l’échelle au-delà de deux ou trois dimensions. Dans ces cas, vous pouvez utiliser la distance de Manhattan comme alternative. Elle a l’avantage de très bien fonctionner avec des jeux de données comportant de nombreuses variables catégorielles.
Entraînez-vous à la calculer manuellement avec NumPy, chargé sous son alias standard np.
Cet exercice fait partie du cours
Détection d’anomalies en Python
Instructions
- Calculez les différences absolues entre les éléments de
MetN. - Faites la somme de ces différences pour obtenir la distance de Manhattan finale.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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)