我在训练神经网络模型时具有360种奇特特征。 我得到的准确性太差了。 360中有一个功能比其他功能更重要。
目前，它在其他功能中没有任何特殊地位。 在训练模型时，有没有办法强调其中一个功能？我相信这可以提高我模型的准确性。
我正在使用带有Keras和Scikit-learn的Python 3.5。
编辑：我正在尝试回归问题
任何帮助将不胜感激
答案 0 :(得分：0)
首先，我将确保仅此功能就具有不错的预测概率，但是我假设您已经确定了这一点。
然后，您可以采用的一种方法是将359个其他功能“嵌入”到第一层中，并且只有在压缩了其余信息后才提供您的特殊功能。
与大多数教程所相信的相反，您不必添加第一层中已经存在的所有功能，但是可以在技术上在任何时间点（甚至多次）插入它们。
捕获其他输入的第一层是某种形式的“ PCA逼近器”，其中您将一个高维特征空间（359个维度）嵌入到一个相对于其他特征而言不那么占主导地位的事物中（也许20-50尺寸为起点？）
当然不能保证这会奏效，但是您可能会有更多的机会关注您的特殊功能，尽管我可以肯定地说，如果使用单个功能，通常您仍然可以看到性能的提高与您的输出具有足够的相关性。
另一个仍然悬而未决的问题是您正在训练的任务类型，即您是在进行某种形式的分类（如果是的话，是多少个类？）或回归。这也可能会影响体系结构的选择，以及您可以/应该将重点放在单个功能上的数量。
答案 1 :(得分：0)
机器学习中有几种功能选择和重要性技术。请遵循此link。