手动计算欧氏距离
欧氏距离是统计学中最常用的距离度量。它之所以流行，主要因为直观易懂。其本质是在笛卡尔坐标系中应用勾股定理。
请使用 NumPy 手动计算欧氏距离。NumPy 已按常用别名 np 预先加载。
本练习是课程的一部分
Python 中的异常检测
练习说明
- 用
N减去M（或相反次序），对结果逐元素求平方，并将其保存为squared_diffs。 - 将这些差值的平方求和，保存为
sum_diffs。 - 对该和取平方根以得到最终距离——
dist_MN。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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 square the result
squared_diffs = ____
# Calculate the sum
sum_diffs = ____
# Find the square root
dist_MN = ____
print(dist_MN)