Ręczne obliczanie odległości Manhattan
Odległość euklidesowa jest bardzo popularna, ale dobrze sprawdza się tylko w przypadku danych dwu- lub trójwymiarowych. W pozostałych przypadkach możesz użyć odległości Manhattan jako alternatywy. Jej zaletą jest to, że świetnie radzi sobie ze zbiorami danych zawierającymi wiele cech kategorycznych.
Przećwicz ręczne obliczanie tej odległości za pomocą biblioteki NumPy, która została wczytana pod standardowym aliasem np.
To ćwiczenie jest częścią kursu
Wykrywanie anomalii w Pythonie
Instrukcje do ćwiczenia
- Znajdź wartości bezwzględne różnic między elementami
MiN. - Zsumuj różnice, aby obliczyć końcową odległość Manhattan.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)