哪些功能最能影响我的Keras型号？

Question

我正在使用Keras对我的数据进行分类。输入有11列，我很想知道哪些影响最大的Keras模型 - 我怀疑一些变量根本不是好的预测器，我想看看Keras检测到的程度。

我的代码是：

model = Sequential()
model.add(Dense(500,activation='relu', input_shape=(n_cols,)))
model.add(Dense(500, activation='relu',input_shape=(n_cols,)))
model.add(Dense(target_len, activation='softmax', input_shape=(n_cols,)))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics =['accuracy'])
model.fit(master,target,validation_split=0.3)

然后我使用以下代码来获得权重和偏差：

weights = model.layers[0].get_weights()[0]
biases = model.layers[0].get_weights()[1]

我怀疑我能从某种方式得到权重和偏见的答案，但我并不完全确定它背后的数学和逻辑。我理想的结果就像一个数字数组，其中每个数字表示原始输入数据中相应列的相对重要性。