समस्या
स्टैंडर्डाइज़ेशन किसी फ़ीचर को ऐसे स्केल करता है कि उसका औसत 0 और मानक विचलन 1 हो, जिससे कई मॉडल (और ग्रेडिएंट डिसेंट) सबसे अच्छा काम करते हैं:
z = (x - mean) / std
पॉपुलेशन मानक विचलन का इस्तेमाल करें: std = √(Σ(x - mean)² / n)। अगर std 0 हो (सभी मान बराबर), तो हर मान के लिए 0 लौटाएँ।
z_scores(values) लागू करें।
इनपुट
values: एक फ़ीचर के मान।
आउटपुट
हर मान का z-स्कोर उसी क्रम में लौटाएँ।
सीमाएँ
1 ≤ लंबाई ≤ 10,000
-1,000,000 ≤ हर मान ≤ 1,000,000
उदाहरण
इनपुट:
values = [2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0]
अपेक्षित आउटपुट:
expected = [-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0]
इनपुट:
std::vector<double> values = {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
अपेक्षित आउटपुट:
std::vector<double> expected = {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};
इनपुट:
double[] values = new double[] {2.0, 4.0, 4.0, 4.0, 5.0, 5.0, 7.0, 9.0};
अपेक्षित आउटपुट:
double[] expected = new double[] {-1.5, -0.5, -0.5, -0.5, 0.0, 0.0, 1.0, 2.0};
व्याख्या
औसत 40 / 8 = 5 है और पॉपुलेशन मानक विचलन √(32 / 8) = 2 है, इसलिए 2 → (2 - 5) / 2 = -1.5, 4 → -0.5, 5 → 0, 7 → 1 और 9 → 2। परिणाम: [-1.5, -0.5, -0.5, -0.5, 0, 0, 1, 2]।
इनपुट:
values = [3.0, 3.0]
अपेक्षित आउटपुट:
expected = [0.0, 0.0]
इनपुट:
std::vector<double> values = {3.0, 3.0};
अपेक्षित आउटपुट:
std::vector<double> expected = {0.0, 0.0};
इनपुट:
double[] values = new double[] {3.0, 3.0};
अपेक्षित आउटपुट:
double[] expected = new double[] {0.0, 0.0};
व्याख्या
दोनों मान औसत के बराबर हैं, इसलिए मानक विचलन 0 है और दोनों z-स्कोर 0 हैं।
कैसे हल करें
पहले खुद कोशिश करें, फिर एक-एक करके संकेत खोलें।
संकेत 1
Feature का center और spread चाहिए, इसलिए पहले mean निकालें।
संकेत 2
Population standard deviation का उपयोग करें, फिर हर value को mean से उसकी distance के अनुसार transform करें।
संकेत 3
जब सभी values match करती हैं, spread zero होता है, इसलिए हर standardized value zero होनी चाहिए।
अपेक्षित जटिलता
समय O(n), अतिरिक्त स्थान O(1)
संदर्भ
यह चुनौती CodeUtility के लिए अनुकूलित की गई है। ऊपर दिए गए स्टेटमेंट और सीमाओं का पालन करें।