วิธีการเลือกคุณสมบัติสำหรับเครือข่ายประสาทเทียม?

ฉันรู้ว่าไม่มีคำตอบที่ชัดเจนสำหรับคำถามนี้ แต่สมมติว่าฉันมีเครือข่ายประสาทขนาดใหญ่ที่มีข้อมูลจำนวนมากและฉันต้องการเพิ่มคุณสมบัติใหม่ในอินพุต วิธีที่ "ดีที่สุด" คือการทดสอบเครือข่ายด้วยคุณสมบัติใหม่และดูผลลัพธ์ แต่มีวิธีทดสอบว่าคุณลักษณะดังกล่าวไม่เป็นประโยชน์หรือไม่? เช่นเดียวกับมาตรการความสัมพันธ์ ( http://www3.nd.edu/~mclark19/learn/CorrelationComparison.pdf ) เป็นต้น?

ความสัมพันธ์ที่แข็งแกร่งระหว่างคุณลักษณะใหม่กับคุณลักษณะที่มีอยู่เป็นสัญญาณที่ค่อนข้างดีว่าคุณลักษณะใหม่นั้นให้ข้อมูลใหม่เพียงเล็กน้อย ความสัมพันธ์ต่ำระหว่างคุณลักษณะใหม่และคุณลักษณะที่มีอยู่น่าจะดีกว่า

ความสัมพันธ์เชิงเส้นตรงที่รุนแรงระหว่างคุณลักษณะใหม่และตัวแปรที่คาดการณ์นั้นเป็นสัญญาณที่ดีว่าคุณลักษณะใหม่นั้นจะมีค่า แต่การขาดความสัมพันธ์สูงไม่จำเป็นต้องเป็นสัญญาณบ่งบอกถึงคุณลักษณะที่ไม่ดีเนื่องจากเครือข่ายประสาทไม่ จำกัด เฉพาะการรวมเชิงเส้น ของตัวแปร

หากคุณลักษณะใหม่นี้ถูกสร้างขึ้นเองจากการรวมกันของคุณสมบัติที่มีอยู่ให้พิจารณาปล่อยมันออก ความสวยงามของโครงข่ายใยประสาทเทียมคือต้องใช้คุณสมบัติทางวิศวกรรมเพียงเล็กน้อยและจำเป็นต้องมีการประมวลผลล่วงหน้า - คุณลักษณะจะเรียนรู้โดยเลเยอร์ระดับกลางแทน เมื่อใดก็ตามที่เป็นไปได้ให้ชอบคุณลักษณะการเรียนรู้เพื่อทำวิศวกรรมพวกมัน

หากคุณใช้ sklearn จะมีฟังก์ชั่นที่ดีซึ่งเรียกว่า model.feature_importances_ ลองกับรุ่น / คุณสมบัติใหม่ของคุณและดูว่ามันช่วยได้ไหม ดูที่นี่และที่นี่เพื่อดูตัวอย่าง