我现在正在使用TensorFlow作为后端的Keras进行神经网络工作，我的模型接受5个输入，所有输入均标准化为0到1。输入的单位从m / s到米到m / s不等/ s。因此，例如，训练数据集中的一个输入可能在0 m / s到30 m / s之间变化，而另一输入可能在5 m到200 m之间变化。
最好单独且独立地对所有输入进行归一化，以使每个单位/输入具有不同的比例尺吗？还是将所有输入标准化为一个标度（在上面的示例中将0-200映射为0-1）可以提高准确性？
答案 0 :(得分：1)
分别标准化每个输入。因为如果通过除以200来标准化所有内容，则某些输入对网络的影响将小于其他输入。如果一个输入在0-30之间变化，则除以200后，您将得到0-0.15的比例，输入的比例在0-200之间的变化将在除后为0-1。因此，0-30个输入将具有较少的数字，并且您告诉您的网络输入不像0-200那样重要。