keras - 如何优先考虑少数神经网络输入？

Question

我有一个用于分类任务的具有五个输入的神经网络。这五个输入中有两个非常重要，并且与分类任务有直接关系。因此，我需要在网络中优先考虑这两个输入，而降低其他三个输入的优先级。神经网络中有没有办法满足我的要求？

标签： kerasdeep-learningneural-networktensorflow2.0

Answer 1

如果训练效果很好，NN 应该会自动选择对您的分类最重要的内容。这就是 NN（或一般的 ML）的全部意义所在；这样您就不必手动告诉它什么更重要，什么不重要。学习后，您可以验证模型确实学习了特征之间的正确重要性顺序。

您可以为此使用任何模型解释技术。ELI5、SHAP 或 LIME 就是一些例子。所有这些都将告诉您，您的模型是否确实知道您知道重要的特征实际上对网络很重要。

您可能不应该尝试手动将此类偏差合并到网络中（除非您有充分的理由这样做，例如通过 CNN 合并图像的空间信息）。相信学习 xD