Keras 如何对少量神经网络输入进行优先级排序?

Keras 如何对少量神经网络输入进行优先级排序?,keras,deep-learning,neural-network,tensorflow2.0,Keras,Deep Learning,Neural Network,Tensorflow2.0,我有一个神经网络,有五个输入,用于分类任务。这五个输入中有两个非常重要,与分类任务有直接关系。因此,我需要在网络中对这两个输入进行优先级排序,而对其他三个输入的优先级较低。神经网络中有什么方法可以满足我的需求吗?如果训练效果良好,神经网络应该自动选择对分类最重要的内容。这是NN(或一般的ML)的整个点;这样你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或石灰就是一些例子。所有这些都将告诉您,您

我有一个神经网络,有五个输入,用于分类任务。这五个输入中有两个非常重要,与分类任务有直接关系。因此,我需要在网络中对这两个输入进行优先级排序,而对其他三个输入的优先级较低。神经网络中有什么方法可以满足我的需求吗?

如果训练效果良好,神经网络应该自动选择对分类最重要的内容。这是NN(或一般的ML)的整个点;这样你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或石灰就是一些例子。所有这些都将告诉您,您的模型是否确实了解到,您知道重要的功能实际上对网络非常重要


您可能不应该尝试手动将这些偏差纳入网络(除非您有很好的理由这样做,比如通过CNN合并图像的空间信息)。相信学习xD是的,你的观点是正确的。由于重量可以在完成训练后改变,我认为可能有一种方法可以在训练时放大重量,以将其标记为更重要。