我有两列缺失值的神经网络训练数据。（还有许多其他列没有缺失值。）

例如

Height  | Weight
180     | 70
175     | N/A
N/A     | N/A

我想填充缺失值并规范化列。

数据是高度和重量，所以我认为一个好的填充值是 0 或 -1。这是基于Python 中的深度学习一书：

通常，对于神经网络，将缺失值输入为 0 是安全的，条件是 0 还不是有意义的值。

编辑我假设 0 在值为 150-200 的数据集中没有意义

还建议我通过减去平均值并除以每列的 std 来标准化数据。

这两个本身都很好 - 我理解如何以及为什么要这样做。我不明白如何将它们结合起来。我也可以...

• 填充缺失值然后归一化，但是a）我的零将不再是零（我的网络仍然会知道它们是一个特殊值吗？），并且b）零会在一定程度上影响平均值/标准差，由多少值决定缺失。我想我担心这会产生奇怪的分布
• 规范化然后填充缺失值。但是在我标准化我的数据之后，0 现在是我的列的平均值，因此不是同类填充值。我宁愿让网络知道这些值是未填充的，也不愿假设它们都取平均值

我正在使用带有Dense层的 Keras、Numpy 和 Pandas 来解决多类分类问题。