Differentiating distance metrics
It is crucial to capture the subtle differences between the manhattan, euclidean and Minkowski distance metrics. Using them correctly ensures the optimal performance of outlier classifiers on various datasets.
Remember from the formula that changing the parameter p will switch between euclidean, manhattan and other degrees of the Minkowski distance.
Deze oefening maakt deel uit van de cursus
Anomaly Detection in Python
Interactieve oefening met praktijkervaring
Zet theorie om in actie met een van onze interactieve oefeningen
Begin oefening