我在神经网络上工作，以预测事件是否是中微子。 每个输入x是一个矩阵：（3,5484），三个不同的度量，5484个传感器。
所以我应该规范化网络的输入才能正常工作，但我对此有疑问，让我们解释一下：
我的数据集是：（x_1，....，x_N）。让我们只关注一个特征，并认为x是一个大小的向量（5484）。 然后每个x都有一个平均值：mean_x和一个std：std_x 但归一化输入的重点是重新缩放它而不会丢失信息（全局归一化，每个输入的归一化因子相同）吗？
所以，我不确定如何重新缩放它。我应该将（x_1，..，x_N）展平为1-D向量：（x_1，...，x_5484 * N）并计算其均值和标准差？
或者我应该独立对待每个5484个输入通道吗？
我有点迷路了。答案 0 :(得分：0)
这取决于您如何处理传感器数据。
如果您认为5484传感器代表不同的功能，则不应将它们展平，并应将 3 * 5484 视为图像通道。否则，如果传感器相似，则应将它们弄平。
但直观地说，我认为第一种方法更好。
答案 1 :(得分：0)
如果3个传感器彼此独立，则具有5484 * 3功能。 对于每个功能，您应该扁平化并标准化数据。
例如，您的全部数据集可能是m *（5484 * 3）的矩阵，其中m是样本数。矩阵中的每一行都是一个样本。
你可以使用scipy http://scikit-learn.org/stable/modules/preprocessing.html