keras - 如何优先考虑少数神经网络输入?
问题描述
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?
解决方案
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
推荐阅读
- python - 使用 Pygame 加载更新的图像
- php - 当我知道它是正确的时,PHP 脚本说“密码无效”
- xml - 如果值存在于另一个 xml 列表中,则过滤 XML 记录
- android - android - BOOT_COMPLETED 在 android 7.1 及以下版本中不起作用
- python - 无法从网页中获取所有图像
- javascript - 如何在不使用全局变量的情况下使此功能正常工作
- javascript - 使用 Angular Http Headers 发送凭据数据的正确方法是什么?
- bash - 作为文件名输出的变量字符串
- python - 为什么我的函数的第一个版本返回的值与我的函数的第二个版本不同?
- java - REST API 后端出错:“信息:连接已断开。它可能已被客户端关闭。原因:已关闭”