AcWing 4509. 归一化处理 寒假每日一练

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。

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+⋯+an)/n

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

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)。

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。

数据范围

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。

输入样例：

7
-4 293 0 -22 12 654 1000

输出样例：

-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：sqrt(D(a))≈374.24683549437134
 

思路

根据题目意思，先求解数组中的元素平均值，在求其方差然后根据公式进行标准化后输出即可

代码

#include <bits/stdc++.h>
using namespace std;
const int N=10010;

int n;
double a[N],sum,sum2,A,D;

int main()
{
    cin>>n;
    for(int i=0;i<n;i++)
    {
        cin>>a[i];
        sum+=a[i];
    }
    A=sum/n;
    for(int i=0;i<n;i++)
    {
        sum2+=pow(a[i]-A,2);
    }
    D=sum2/n;
    for(int i=0;i<n;i++)
    {
        cout<<(a[i]-A)/sqrt(D)<<endl;
    }
    return 0;
}