数据：当我有N行数据如（x,y,z），其中逻辑上f(x,y)=z，即z依赖于x和y，就像我的情况（设置1，设置2，信号）。不同的x和y可能会导致相同的z，但这些z的含义可能不同。
有30个独特的设置1，30个设置2，每对（设置1，设置2）对应一个信号，因此共有900个信号值。
数据集：这些[900,3]的数据点被视为一个数据集。我有许多这样的数据集样本。我希望基于这些数据集进行分类，但需要将数据展平（将它们变成一行）。如果我将其展平，我将重复所有设置值（设置1和设置2）30次，即我将有一行包含3×900列的数据。
问题：在数据集中保留所有重复的设置1和设置2值是否正确？还是应该删除它们，只包含唯一值一次？即有一行包含30 + 30 + 900列。我担心这样做会失去信号对设置的逻辑依赖性。这是否相关？或者我不应该包含设置（例如，由于相关性）？
回答：
如果我理解正确的话，你是在一个每个观察值为[900,3]的样本上训练神经网络。你将其展平，得到一个3*900的输入层。其中一些值是其他值的函数结果。
重要的是哪个函数，如果是线性函数，神经网络可能无法正常工作：
来自这里：
“如果输入线性依赖，那么你实际上是将同一个变量作为多个输入引入。这样做，你为网络引入了新的问题，即找出依赖关系，以便将重复的输入视为单一输入和数据中的一个新维度。对于某些依赖关系，找到重复输入的适当权重是不可能的。”
此外，如果你添加了依赖变量，你可能会使神经网络对这些变量产生偏见。
例如，如果你在[x1,x2,x3,average(x1,x2)]上运行LMS来预测y，你实际上是为x1和x2变量分配了更高的权重。
除非你有理由相信这些权重应该更高，否则不要包含它们的函数。
我未能找到任何支持的链接，但我的直觉是你可能需要在省略依赖值的同时减少输入层：
我记得在A. Ng教授的机器学习课程中提到，输入应该是进行预测所需的最小“合理”值量。
“合理”这个词有些模糊，但我理解为：如果你试图预测房价，包含面积、区域质量、距离主要枢纽，不要包含开放日当天的平均太阳黑子活动，即使你有这些数据。
