Problema
La estandarización reescala una variable para que tenga media 0 y desviación estándar 1, que es como mejor funcionan muchos modelos (y el descenso de gradiente):
z = (x - mean) / std
Usa la desviación estándar poblacional: std = √(Σ(x - mean)² / n). Si std es 0 (todos los valores iguales), devuelve 0 para cada valor.
Implementa z_scores(values).
Entrada
values: Los valores de una variable.
Salida
Devuelve la puntuación z de cada valor, en el mismo orden.
Restricciones
1 ≤ longitud ≤ 10 000
-1 000 000 ≤ cada valor ≤ 1 000 000
Ejemplos
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
La media es 40 / 8 = 5 y la desviación estándar poblacional es √(32 / 8) = 2, así que 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1 y 9 → 2. Resultado: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 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
Ambos valores son iguales a la media, así que la desviación estándar es 0 y ambas puntuaciones z son 0.
Cómo abordarlo
Inténtalo primero por tu cuenta y luego abre las pistas una a una.
Pista 1
Necesitas el centro y la dispersión de la feature, así que empieza calculando la media.
Pista 2
Usa la desviación estándar poblacional y luego transforma cada valor según cuánto se aleja de la media.
Pista 3
Cuando todos los valores coinciden, la dispersión es cero, así que cada valor estandarizado debe ser cero.
Complejidad esperada
tiempo O(n), espacio extra O(1)
Referencias
Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.