如何解决在 NN 和 RF 中改变数据集中特征的重要性
我有一个用深度前馈神经网络(在 keras 中)和随机森林(sklearn)解决的回归问题。结果非常好。 现在我想知道我是否可以只改变一个特征(在 41 个中)的重要性,以便算法可以更好地学习这些特征与输出之间的关系,证明一种即使在这种特征发生变化的情况下也能够概括的方法it参数范围。
在 keras 和 sklearn 中可能吗?而且这也有意义吗?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。