手動計算曼哈頓距離
雖然歐氏距離相當常見，但它只在 2 或 3 維以內的資料上延展性較佳。面對更高維度時，你可以改用曼哈頓距離。它對含有許多類別型特徵的資料集特別好用。
使用已經以標準別名 np 載入的 NumPy，練習手動計算曼哈頓距離。
本練習屬於課程
Python 中的異常偵測
練習說明
- 求
M與N對應元素的絕對差。 - 將這些差加總，得到最終的曼哈頓距離。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)