问规范来自同一变量但不同个人的数据

EN

我刚开始机器学习。我有以下情况：

我有五个人每个人都带着一个加速度计。该传感器以0到255的比例测量运动/加速度，0没有运动，255是最大运动(间隔5分钟)。有些人携带的传感器更敏感，有些则不那么敏感。因此，一些个人的传感器将提供更高的价值，而一些个人的传感器将提供较低的值，为相同的运动。

使用分类算法(即判别分析)，我想训练一个模型，它可以根据运动数据识别不同类型的行为。因此，我观察个体，并使用他们观察到的行为作为反应变量，运动数据作为解释变量。我想要创建一个奇异的模型，它可以根据个人的运动数据来识别未来个人的行为。我的问题是:在传感器都有不同的“敏感性”的情况下，如何使培训数据正常化才能创建这样一个全球模型？我要如何规范未来穿戴者的数据，用模型成功地对他们的行为进行分类呢？

我所能想到的唯一方法是计算出所有5个训练个体的全球均值和全球标准差，并试图拟合训练个体的数据以适应全球分布。但我不确定我会怎么做。

谢谢你好心！