题目描述
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+⋯+ann
方差:
D(a)=1n∑i=1n(ai−a¯)2
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:
f(ai)=ai−a¯D(a)−−−−√
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。
样例
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
//一道简单的模拟题 注意数组开的大小
C++ 代码
#include <bits/stdc++.h>
using namespace std;
const int N=1005;
double a[N],ans,res;
int n;
int main(){
double aba,s2,x;
cin>>n;
for(int i=1;i<=n;i++){
cin>>a[i];
ans+=a[i];
}
double aver=ans/n;
double var=0;
for(int i=1;i<=n;i++){
var+=1.0*(a[i]-aver)*(a[i]-aver);
}
var=sqrt(var/n);
for(int i=1;i<=n;i++){
ans=(a[i]-aver)/var;
cout<<ans<<endl;
}
}