Problem
Features measured on different scales (age in years, income in dollars) confuse many models. Min-max normalization rescales a feature to the range 0 to 1:
x' = (x - min) / (max - min)
If all values are equal (max = min), return 0 for every value.
Implement min_max_normalize(values).
Input
values: The values of one feature.
Output
Return the normalized values in the same order.
Einschränkungen
1 ≤ length ≤ 10,000
-1,000,000 ≤ each value ≤ 1,000,000
Beispiele
Eingabe:
values = [10.0, 20.0, 15.0, 30.0]
Erwartete Ausgabe:
expected = [0.0, 0.5, 0.25, 1.0]
Eingabe:
std::vector<double> values = {10.0, 20.0, 15.0, 30.0};
Erwartete Ausgabe:
std::vector<double> expected = {0.0, 0.5, 0.25, 1.0};
Eingabe:
double[] values = new double[] {10.0, 20.0, 15.0, 30.0};
Erwartete Ausgabe:
double[] expected = new double[] {0.0, 0.5, 0.25, 1.0};
Erläuterung
min = 10 and max = 30, so the range is 20: (10 - 10) / 20 = 0, (20 - 10) / 20 = 0.5, (15 - 10) / 20 = 0.25 and (30 - 10) / 20 = 1.
Eingabe:
values = [5.0, 5.0, 5.0]
Erwartete Ausgabe:
expected = [0.0, 0.0, 0.0]
Eingabe:
std::vector<double> values = {5.0, 5.0, 5.0};
Erwartete Ausgabe:
std::vector<double> expected = {0.0, 0.0, 0.0};
Eingabe:
double[] values = new double[] {5.0, 5.0, 5.0};
Erwartete Ausgabe:
double[] expected = new double[] {0.0, 0.0, 0.0};
Erläuterung
All values are equal, so the range is 0 and every value becomes 0.
So gehst du vor
Versuch es zuerst allein und öffne dann einen Hinweis nach dem anderen.
Hinweis 1
First find the smallest and largest values, since every normalized result depends on the feature’s spread.
Hinweis 2
Compute each output from its position relative to the minimum, using one pass to build the results after scanning extremes.
Hinweis 3
If every value is identical, avoid dividing by zero and return zeros for all positions.
Erwartete Komplexität
O(n) time, O(1) extra space
Referenzen
Diese Aufgabe wurde für CodeUtility angepasst. Beachte die oben genannten Vorgaben und Einschränkungen.