python之在 numpy 中实现零均值和单位方差

我得到了一个函数的定义，并要求我按如下方式实现它:

# Problem 1 - Apply zero mean and zero variance scale to the image features 
def normalize(data): 
    pass 

然后提供使用 numpy 的单元测试，这将断言我的实现成功

编辑

这不是我的单元测试，而是由类(class)的讲师布置的。

np.testing.assert_array_almost_equal( 
    normalize(np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])), 
    np.array([-0.4, -0.3, -0.2, -0.099, 0.0, 0.099, 0.199, 0.3, 0.4, 0.5]), 
    decimal=3) 

我的解决方案是

def normalize(data): 
    return ((data - data.mean()) / data.max() - data.min()) 

但是我的理解肯定有差距，因为我越来越

AssertionError:  
Arrays are not almost equal to 3 decimals 
 
(mismatch 100.0%) 
 x: array([-1.45, -1.35, -1.25, -1.15, -1.05, -0.95, -0.85, -0.75, -0.65, -0.55]) 
 y: array([-0.4  , -0.3  , -0.2  , -0.099,  0.   ,  0.099,  0.199,  0.3  , 
        0.4  ,  0.5  ]) 

通过谷歌搜索我也找到了

(data - data.mean()) / data.std() 

经过更多的搜索我尝试了

(data - data.mean()) / data.var() 

但是这两种解决方案都断言不正确。

那么这里的正确实现是什么？

请您参考如下方法:

首先你可能打算这样做:

(data - data.mean()) / (data.max() - data.min()) 

而不是这个:

((data - data.mean()) / data.max() - data.min()) 

那么它就不是规范化的正确定义。相反，正如您通过搜索发现的那样，正确的定义是:

(data - data.mean()) / data.std() 

最后你的单元测试是错误的，所以当用正确的定义调用时它失败了。