CSP认证——202206-1归一化处理

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

、方差为

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

个整数

。

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 个浮点数 即满足平均值为 且方差为 ：

输入格式

从标准输入读入数据。

第一行包含一个整数

，表示待处理的整数个数。

第二行包含空格分隔的

个整数，依次表示

。

输出格式

输出到标准输出。

输出共

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

。

样例输入

7
-4 293 0 -22 12 654 1000

Data

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：

方差：标准差：

子任务

全部的测试数据保证

，其中 表示

的绝对值。

且输入的

个整数 满足：方差

。

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

，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;
  int main()
  {   int n,i,sum=0;
      double average,d,sum1;
  	int a[1000];
  	double f[1000],x[1000];
  	scanf("%d",&n);
  	for(i=0;i<n;i++)
  	{
  		scanf("%d",&a[i]);
  		sum+=a[i];
  		
  	}
  	
  	average=(double)sum/n;
  	
  	for(i=0;i<n;i++)
  	{
  		x[i]=(a[i]-average)*(a[i]-average);
  		sum1+=x[i];
  	}
  	d=sum1/n;
  	
  	for(i=0;i<n;i++)
  	{
  		f[i]=(a[i]-average)/sqrt(d);
  		printf("%.16f\n",f[i]);
  	}
  	return 0;
  }