如何在机器学习中使用python手动赋予特性权重

我有一个连续标签的数据集，范围从1到5，有9个不同的特征。所以我想手动为每个功能赋予权重，因为有些功能对标签的依赖性非常小，所以我想为那些对标签依赖性更强的功能赋予更多权重。如何手动为每个功能赋予权重？有可能这样给体重吗

我查阅了不同的文档，我只能找到如何给标签加上分量。我只发现消除了功能，对功能进行排序等。但我想手动为每个功能赋予权重，我还想调整这些权重（有时功能权重会因不同场景而异，因此我想根据这些权重调整权重）

---

有可能吗？

使用机器学习的全部目的是让它自己决定应该根据正确预测标签的重要性给哪个预测器赋予多少权重

---

尝试自己完成这项工作，然后使用机器学习是没有任何意义的。

不要手动分配权重，让模型自己学习权重。

---

它将自动决定哪些特征更重要。

因此，在学习过程中没有方法对某些特征给予更多关注？我如何告诉算法对某些特征给予更多关注？您可以对所有特征执行缩放，然后将重要特征乘以您要给予的权重。但我强烈建议您不要这样做，因为关键是让ml技术决定特性的重要性。我只是想尝试一下它将如何影响模型。