문제
표준화는 특성의 평균을 0, 표준편차를 1로 조정합니다. 많은 모델(그리고 경사 하강법)이 이 형태에서 가장 잘 동작합니다.
z = (x - mean) / std
모집단 표준편차를 사용하세요: std = √(Σ(x - mean)² / n). std가 0이면(모든 값이 같음) 모든 값에 대해 0을 반환하세요.
z_scores(values)를 구현하세요.
입력
values: 한 특성의 값들.
출력
각 값의 Z-점수를 같은 순서로 반환하세요.
제약 조건
1 ≤ 길이 ≤ 10,000
-1,000,000 ≤ 각 값 ≤ 1,000,000
예시
예시 1
입력:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]
예상 출력:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]입력:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
예상 출력:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};입력:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
예상 출력:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};설명
평균은 40 / 8 = 5이고 모집단 표준편차는 √(32 / 8) = 2이므로 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1, 9 → 2. 결과: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 2].
예시 2
입력:
values = [3.0, 3.0]
예상 출력:
expected = [0.0, 0.0]입력:
std::vector<double> values = {3.0, 3.0};
예상 출력:
std::vector<double> expected = {0.0, 0.0};입력:
double[] values = new double[] {3.0, 3.0};
예상 출력:
double[] expected = new double[] {0.0, 0.0};설명
두 값이 모두 평균과 같으므로 표준편차는 0이고 두 Z-점수 모두 0입니다.
참고 자료
이 문제는 CodeUtility에 맞게 수정되었습니다. 위의 설명과 제한 조건을 따르세요.