问在机器学习中，如何将更多的权重放在某些特征上？

EN

首先，，你可能不应该这么做。机器学习的整个概念是使用统计分析来分配最优权重。您在这里干扰了整个概念，因此您需要非常有力的证据来证明这是您试图建模的流程的关键，而由于某些原因，您的模型目前缺少它。

话虽如此，但并没有通用的答案。这纯粹是特定于模型的，其中一些将允许你对特征进行加权-在随机森林中，你可以偏向分布，从中采样特征以分析你感兴趣的特征；在SVM中，只要将给定的特征乘以一个常量就足够了-还记得你被告知在SVM中对特征进行归一化吗？这就是为什么-你可以使用特征的尺度来“引导”你的分类器到给定的特征。值高的将被优先考虑。这实际上适用于任何权重正则化模型(正则化逻辑回归、岭回归、套索等)。

最好的方法是:假设你有f1,2，..N，并且特定特征的权重是w_f0.12,0.14...N。首先，你需要通过任何特征缩放方法对特征进行归一化，然后你还需要将特征的权重w_f归一化到0-1范围，然后将归一化后的权重乘以f1,2，..N和新的转换后的特征。请记住，您还需要将其转换为测试数据。

现在，您可以检查两种模型的性能:不引入功能和引入功能。