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？