Python 删除Keras中的非活动特征

我正在Keras中为二元分类建立一个序列NN模型。训练数据大约有600000行和2000个特征，因此每个历元和每个层都非常耗时。我相信许多功能与模型无关，可以完全删除，以使模型更薄，因此使用起来会更快。

---

我运行了一个包含200个神经元的简单模型。我如何判断哪些特征（实际上是输入层中的节点）是无意义的，因此我可以将它们从数据集中删除，然后在没有它们的情况下重新运行模型？

机器学习中有一个非常大的主题，称为

特征选择。然而，神经网络被认为自动地选择问题的最佳特征，在一定程度上，通过使用它们的权重，或多或少地考虑它们中的一些。神经网络也需要大量的经验来正确调整。我绝对建议您增加网络的层次，因为您有大量数据和功能，并使用
l1正则化
，以便获得稀疏权重并排除大部分功能。此外，这些信息是指示性的，因为我对您的数据集和网络架构一无所知。最后，我建议你学习更多关于机器学习的基础知识，然后继续学习神经网络，然后再使用实际数据进行练习。
Tnx，但我的想法是使用这个简单的模型来去除许多（无帮助的）功能，这样我就可以用更少的功能运行更复杂的模型，从而节省了大量的运行时间。