Calcolare manualmente la distanza Manhattan
Sebbene la distanza euclidea sia molto diffusa, scala bene solo oltre dati a due o tre dimensioni. In questi casi, puoi usare la distanza Manhattan come alternativa. Ha il vantaggio di funzionare molto bene con insiemi di dati con molte caratteristiche categoriche.
Esercitati a calcolarla manualmente con NumPy, già caricato con il suo alias standard np.
Questo esercizio fa parte del corso
Rilevamento delle anomalie in Python
Istruzioni dell'esercizio
- Trova le differenze assolute tra gli elementi di
MeN. - Somma le differenze per calcolare la distanza Manhattan finale.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)