【发布时间】：2021-03-09 23:08:10
【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？
【问题讨论】：
标签： keras deep-learning neural-network tensorflow2.0
【发布时间】：2021-03-09 23:08:10
【问题描述】：
如果训练效果良好，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。所有这些都会告诉你你的模型是否确实知道你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
【讨论】：
-
是的，你的观点是正确的。由于完成训练后可以更改权重，我认为可能有一种方法可以在训练时放大权重以将其标记为更重要。