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:
a¯=a1+a2+⋯+ann
方差:
D(a)=1n∑i=1n(ai−a¯)2
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:
f(ai)=ai−a¯D(a)
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
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。
代码
#include<iostream>
#include<math.h>
using namespace std;
double pjz(double a[],int l)
{
double sum=0;
for(int i=0;i<l;i++)
{
sum+=a[i];
}
return double(sum/l);
}
double fc(double a[],int l,double a1)
{
double sum=0;
for(int i=0;i<l;i++)
{
// sum+=((a[i]-a1)*(a[i]-a1));
sum+=pow((a[i]-a1),2);
}
return double(sum/l);
}
double f(double x,double a1,double d)
{
double da=sqrt(d);
return double((x-a1)/da);
}
int main()
{
double a[1000];
int l;
cin>>l;
for(int i=0;i<l;i++)
{
cin>>a[i];
}
double a1=pjz(a,l);
double d=fc(a,l,a1);
for(int i=0;i<l;i++)
{
// cout<<f(a[i],a1,d)<<endl;
printf("%f\n",f(a[i],a1,d));
}
return 0;
}