删除 Keras 中的非活动功能

Question

我正在 Keras 中构建一个用于二进制分类的 Sequential NN 模型。训练数据大约有 600,000 行和 2,000 个特征，因此每个 epoch 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。 我运行一个包含 200 个神经元的隐藏层的简单模型。如何判断哪些特征（实际上是输入层中的节点）是没有意义的，所以我可以将它们从数据集中删除并在没有它们的情况下重新运行模型？

Answer 1

机器学习中有一个很大的话题，叫做feature selection。尽管如此，神经网络被认为自动选择问题的最佳特征，在一定程度上，通过使用它们的权重，或多或少地考虑其中的一些。神经网络也需要大量经验才能正确调整。我肯定会建议你增加网络的层数，因为你有很多数据和特征并使用l1 regularisation，以获得 sparse 权重并排除大部分特征。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，我建议你多学习机器学习的基础知识，然后继续学习神经网络，然后再使用真实数据进行练习。