有什么方法可以让变量在机器学习模型中变得更重要？

Question

有时，通过经验或一些专家知识，某些变量将在该模型中发挥关键作用，是否有一种方法可以使变量更多地手工计算，从而加快培训过程，并将一些人类知识/智慧/智能结合起来。

我仍然认为机器学习与人类知识相结合是我们现在最强大的武器。

Answer 1

这可以通过相应地缩放输入数据()来工作。

另一方面，神经网络的力量在于从数据中找出哪些特征实际上是重要的，哪些特征与其他特征组合是重要的。

你可能会争辩说你会缩短训练时间。其他人可能会说，你的训练方式偏颇，甚至可能需要更多的时间。

无论如何，如果您想这样做，假设一个完全连接的层，您可以增加初始化您认为重要的输入特性的权重。

另一种方法是，首先根据训练损失对模型进行预培训，这应该将您的特性作为输出。而不是保持重量和切换到实际损失-我从来没有尝试过这个，但它可以工作。