Chuẩn hóa z-score

Chuẩn hóa co giãn một đặc trưng để nó có trung bình 0 và độ lệch chuẩn 1, điều mà nhiều mô hình (và hạ gradient) hoạt động tốt nhất:

z = (x - mean) / std

Dùng độ lệch chuẩn tổng thể: std = √(Σ(x - mean)² / n). Nếu std bằng 0 (mọi giá trị bằng nhau), trả về 0 cho mọi giá trị.

Hãy cài đặt z_scores(values).

Đầu vào

values: Các giá trị của một đặc trưng.

Đầu ra

Trả về z-score của từng giá trị theo đúng thứ tự.

Ràng buộc

1 ≤ độ dài ≤ 10.000

-1.000.000 ≤ mỗi giá trị ≤ 1.000.000

Ví dụ

Đầu vào:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]

Kết quả mong đợi:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]

Đầu vào:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};

Kết quả mong đợi:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};

Đầu vào:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};

Kết quả mong đợi:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};

Đầu vào:
values = [3.0, 3.0]

Kết quả mong đợi:
expected = [0.0, 0.0]

Đầu vào:
std::vector<double> values = {3.0, 3.0};

Kết quả mong đợi:
std::vector<double> expected = {0.0, 0.0};

Đầu vào:
double[] values = new double[] {3.0, 3.0};

Kết quả mong đợi:
double[] expected = new double[] {0.0, 0.0};

Tham khảo

Thử thách này đã được điều chỉnh cho CodeUtility. Hãy làm theo đề bài và các ràng buộc ở trên.

• scikit-learn, Preprocessing data
• Goodfellow, Bengio and Courville, Deep Learning