题目背景
在机器学习中,对数据进行归一化处理是一种常用的技术。
将数据从各种各样分布调整为平均值为 0、方差为 1 的标准分布,在很多情况下都可以有效地加速模型的训练。
问题描述
这里假定需要处理的数据为 n 个整数 a1,a2,⋯,an。
这组数据的平均值:
方差:
使用如下函数处理所有数据,得到的 n 个浮点数 f(a1),f(a2),⋯,f(an) 即满足平均值为 0 且方差为 1:
输入格式
从标准输入读入数据。
第一行包含一个整数 n,表示待处理的整数个数。
第二行包含空格分隔的 n 个整数,依次表示 a1,a2,⋯,an。
输出格式
输出到标准输出。
输出共 n 行,每行一个浮点数,依次表示按上述方法归一化处理后的数据 f(a1),f(a2),⋯,f(an)。
样例输入
7
-4 293 0 -22 12 654 1000
样例输出
-0.7485510379073613
0.04504284674812264
-0.7378629047806881
-0.7966476369773906
-0.7057985054006686
1.0096468614303775
1.9341703768876082
Data
样例解释
平均值:a¯≈276.14285714285717
方差:D(a)≈140060.69387755104
标准差:D(a)≈374.24683549437134
子任务
全部的测试数据保证 n,|ai|≤1000,其中 |ai| 表示 ai 的绝对值。
且输入的 n 个整数 a1,a2,⋯,an 满足:方差 D(a)≥1。
评分方式
如果你输出的每个浮点数与参考结果相比,均满足绝对误差不大于 10^−4,则该测试点满分,否则不得分。
提示
-
C/C++:建议使用
double
类型存储浮点数,并使用printf("%f", x);$$'
进行输出。 -
Python:直接使用
print(x)
进行输出即可。 -
Java:建议使用
double
类型存储浮点数,可以使用System.out.print(x);
进行输出。
#include<iostream>
#include<cmath>
using namespace std;
double aa[1001],bb[1001];
int main(){
int n;
double avg=0.0;
cin>>n;
for(int i=1; i<=n; i++){
cin>>aa[i];
avg+=aa[i]/n;//求平均数
}
double DOTS=0.0;
for(int i=1; i<=n;i++){
DOTS+=(1.0/n)*(aa[i]-avg)*(aa[i]-avg);//求平方差
}
double avr= sqrt(DOTS);//方差
for(int i=1;i<=n;i++){
bb[i]=(aa[i]-avg)/avr;
printf("%.16f\n",bb[i]);
}
return 0;
}