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 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。 问题描述 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 从标准输入读入数据。 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 输出到标准输出。 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)。 样例输入 7 -4 293 0 -22 12 654 1000 样例输出 -0.7485510379073613 0.04504284674812264 -0.7378629047806881 -0.7966476369773906 -0.7057985054006686 1.0096468614303775 1.9341703768876082 样例解释 平均值:a¯≈276.14285714285717 方差:D(a)≈140060.69387755104 标准差:D(a)≈374.24683549437134 子任务 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。 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 10−4,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。
|