Todos los desafíos
Fácil 0 resueltos 0% de aceptación

Z-Score Standardization

Center a feature at 0 and scale it to a standard deviation of 1.

Lo que aprenderás

  • Compute the mean and standard deviation
  • Center and scale a feature
  • Handle zero variance

Problema

Ver traducción

Standardization rescales a feature so it has mean 0 and standard deviation 1, which many models (and gradient descent) work best with:

z = (x - mean) / std

Use the population standard deviation: std = √(Σ(x - mean)² / n). If std is 0 (all values equal), return 0 for every value.

Implement z_scores(values).

Input

values: The values of one feature.

Output

Return the z-score of each value, in the same order.

Restricciones

1 ≤ length ≤ 10,000

-1,000,000 ≤ each value ≤ 1,000,000

Ejemplos

Ejemplo 1
Entrada:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]

Salida esperada:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]
Entrada:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};

Salida esperada:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};
Entrada:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};

Salida esperada:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};

Explicación

The mean is 40 / 8 = 5 and the population standard deviation is √(32 / 8) = 2, so 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1 and 9 → 2. Result: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 2].

Ejemplo 2
Entrada:
values = [3.0, 3.0]

Salida esperada:
expected = [0.0, 0.0]
Entrada:
std::vector<double> values = {3.0, 3.0};

Salida esperada:
std::vector<double> expected = {0.0, 0.0};
Entrada:
double[] values = new double[] {3.0, 3.0};

Salida esperada:
double[] expected = new double[] {0.0, 0.0};

Explicación

Both values equal the mean, so the standard deviation is 0 and both z-scores are 0.

Cómo abordarlo

Inténtalo primero por tu cuenta y luego abre las pistas una a una.

Pista 1

You need the feature’s center and spread, so start by computing the mean.

Pista 2

Use the population standard deviation, then transform each value by how far it sits from the mean.

Pista 3

When all values match, the spread is zero, so every standardized value should be zero.

Complejidad esperada

O(n) time, O(1) extra space

Referencias

Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.

Clasificación

Clasificación completa

La mejor solución aprobada de cada programador. Las más rápidas, ligeras y mejor valoradas van primero.

Aún no hay soluciones aprobadas. Resuélvelo y quédate el primer puesto.

Aprende de otros

Soluciones de la comunidad

Aún no hay soluciones publicadas. Resuelve este reto para compartir la primera.