Neural network 我可以一起规范化整个数据集吗？

我正在尝试训练一个使用LSTM的RNN网络

在数据预处理部分，当我规范化（特征缩放）数据集时，我一起规范化整个数据库。然而，我严重怀疑是否某些输入栏占主导地位，它会影响网络培训部分。以下是一个数据集示例，以便于更好地理解：

如上图所示，不同颜色的列比其他列大或小得多

---

所以我的问题是,；如果我一起规范化整个数据集，或者应该单独规范化每个列，可以吗？

功能缩放是基于每个列进行的。这些操作一次应用于一个特征，因为目标是将不同的特征置于相似的范围内，因此特征的单位不会影响学习（）。你是对的，特征的大小会影响训练，因此缩放被认为是最佳实践，特别是在训练神经网络时

通常通过以下两种方式之一完成：

• 重缩放：使要素的值落在一个范围内，例如从0到1。最小-最大重缩放通过以下方式实现：

• 标准化：减去平均值，除以标准偏差。新特征的平均值为0，标准偏差为1

可以使用Scikit Learn在Python中进行重缩放。可以使用Scikit Learn在Python中实现标准化

---

下面是一篇关于功能扩展基础知识的好文章：

功能缩放是基于每列进行的。这些操作一次应用于一个特征，因为目标是将不同的特征置于相似的范围内，因此特征的单位不会影响学习（）。你是对的，特征的大小会影响训练，因此缩放被认为是最佳实践，特别是在训练神经网络时

通常通过以下两种方式之一完成：

• 重缩放：使要素的值落在一个范围内，例如从0到1。最小-最大重缩放通过以下方式实现：

• 标准化：减去平均值，除以标准偏差。新特征的平均值为0，标准偏差为1

可以使用Scikit Learn在Python中进行重缩放。可以使用Scikit Learn在Python中实现标准化

---

下面是一篇关于功能扩展基础知识的好文章：

你指的是正常化吗？在这种情况下，您应该在每个功能（每列）的基础上应用这些操作。我已经编辑了这个问题，并指出这是功能缩放。非常感谢你的回答！现在我发现了我一路上做错了什么！你指的是正常化吗？在这种情况下，您应该在每个功能（每列）的基础上应用这些操作。我已经编辑了这个问题，并指出这是功能缩放。非常感谢你的回答！现在我发现了我一路上做错了什么！