Problema
La standardizzazione riscala una variabile in modo che abbia media 0 e deviazione standard 1, il formato con cui molti modelli (e la discesa del gradiente) funzionano meglio:
z = (x - mean) / std
Usa la deviazione standard della popolazione: std = √(Σ(x - mean)² / n). Se std è 0 (tutti i valori uguali), restituisci 0 per ogni valore.
Implementa z_scores(values).
Input
values: I valori di una variabile.
Output
Restituisci lo z-score di ogni valore, nello stesso ordine.
Vincoli
1 ≤ lunghezza ≤ 10.000
-1.000.000 ≤ ogni valore ≤ 1.000.000
Esempi
Input:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]
Output atteso:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]Input:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
Output atteso:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};Input:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
Output atteso:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};Spiegazione
La media è 40 / 8 = 5 e la deviazione standard della popolazione è √(32 / 8) = 2, quindi 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1 e 9 → 2. Risultato: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 2].
Input:
values = [3.0, 3.0]
Output atteso:
expected = [0.0, 0.0]Input:
std::vector<double> values = {3.0, 3.0};
Output atteso:
std::vector<double> expected = {0.0, 0.0};Input:
double[] values = new double[] {3.0, 3.0};
Output atteso:
double[] expected = new double[] {0.0, 0.0};Spiegazione
Entrambi i valori sono uguali alla media, quindi la deviazione standard è 0 ed entrambi gli z-score sono 0.
Riferimenti
Questa sfida è adattata per CodeUtility. Segui la traccia e i vincoli sopra.