问有没有可能在Keras中使用无法预测的特征来训练NN？

EN

是的，你可以这样训练你的模型。但你必须在预测过程中提供所有的特征。例如，您有30个必选功能和10个可选功能。总数是40。您必须提供所有40个特征才能从您的模型中获得预测。输入数据形状必须始终相同。但是我们要求提供可选的功能，但是为什么我现在被强迫呢？好吧，我将讨论两种选择。

选项1:将输入形状设定为无。如果将“输入”形状设置为“无”，则模型将接受任何输入形状。但如果你要处理一些事情。您不能使用MaxPooling层。如果你真的需要使用MaxPool，你将需要计算所有层的输入和输出形状，只使用强制的特征形状(最小输入形状)。如果使用(mandatory_feature+optional功能)进行计算，则会出现错误。因为maxpool层的输入形状可能会变得太小，无法减小。把那些东西处理好，你就可以走了。

选项2:我给你举个例子。我正在使用OpenPose输出数据集对一些动作进行分类。OpenPose输出= 18个骨骼关键点，36个特征，包括x和y坐标。这些关键点是从实时摄像机帧中提取的。但我们不能说人类的所有身体部位都会一直在框架内。当某人的腿在框架外时，我们无法获得他们的腿关键点。但是，我们仍然需要进行分类。有很多选择。我们可以用0替换缺失的关键点，或者找到这些姿势的中位数/均值，并使用该值作为关键点。我们通过分析所有的数据找到了最好的情况。如果您采用选项2，我建议您先分析数据，然后再决定如何处理缺少的字段。