Python 3.x 在训练一个普通nn时强调一个特性

我有一些360多个特征，我正在训练我的神经网络模型。 我得到的准确度非常差。360中有一项功能比其他功能更重要

目前，它在其他功能中没有任何特殊地位。 在训练模型时，有没有办法强调其中一个特性？我相信这可以提高我的模型的准确性

我正在将Python3.5与Keras和Scikit一起使用

编辑：我正在尝试一个回归问题

---

如果您能提供任何帮助，我们将不胜感激。首先，我会确保仅此功能就具有良好的预测概率，但我假设您已经确定了这一点

然后，您可以采取的一种方法是在第一层中“嵌入”359个其他功能，并且只有在压缩完剩余信息后才能输入您的特殊功能

与大多数教程让您相信的相反，您不必添加第一层中已经存在的所有功能，但可以在技术上随时（甚至多次）插入它们

捕获其他输入的第一层是某种形式的“PCA近似器”，在该层中，您将高维特征空间（359维）嵌入到对其他特征不太重要的内容中（可能以20-50维作为起点？）

当然，这并不能保证会起作用，但您可能有更好的机会获得对您的特殊功能的关注，尽管我相当确定，如果单个功能与您的输出有足够强的相关性，通常您仍会看到性能的提高

---

另一个仍然悬而未决的问题是您培训的任务类型，即您是否正在进行某种形式的分类（如果是，有多少类？）或回归。这也可能会影响架构选择，以及您可以/应该关注单个功能的程度。

在机器学习中有几种功能选择和重要技术。请关注此链接。

我确实访问了该链接。然而，我没有找到一种方法来调整特性的“重要性”。如果我遗漏了什么，一定要告诉我。