有什么方法可以手动使变量在机器学习模型中更重要？
Any way to manually make a variable more important in a machine learning model?
有时你通过经验或一些专家知识知道一些变量将在这个模型中起关键作用，有没有办法手动使变量计数更多，这样可以加快训练过程，并且该方法可以结合一些人类 knowledge/wisdom/intelligence.
我仍然认为机器学习与人类知识的结合是我们现在拥有的最强大的武器
这可能会起作用通过相应地缩放输入数据。
On the other hand the strength of a neural network is to figure out
which features are in fact important and which combinations with other
features are important - from the data.
您可能会争辩说，您会减少训练时间。其他人可能会争辩说您的训练有偏见，甚至可能需要更多时间。
无论如何，如果您想这样做，假设一个完全连接的层，您可以增加初始化您认为重要的输入特征的权重。
另一种方法，可能是首先根据训练损失预训练模型，这应该将您的特征作为输出。比保持重量并切换到实际损失 - 我从未尝试过这个，但它可以工作。
有时你通过经验或一些专家知识知道一些变量将在这个模型中起关键作用，有没有办法手动使变量计数更多，这样可以加快训练过程，并且该方法可以结合一些人类 knowledge/wisdom/intelligence.
我仍然认为机器学习与人类知识的结合是我们现在拥有的最强大的武器
这可能会起作用通过相应地缩放输入数据。
On the other hand the strength of a neural network is to figure out which features are in fact important and which combinations with other features are important - from the data.
您可能会争辩说，您会减少训练时间。其他人可能会争辩说您的训练有偏见，甚至可能需要更多时间。
无论如何，如果您想这样做，假设一个完全连接的层，您可以增加初始化您认为重要的输入特征的权重。
另一种方法，可能是首先根据训练损失预训练模型，这应该将您的特征作为输出。比保持重量并切换到实际损失 - 我从未尝试过这个，但它可以工作。