影响会很小

大多数人会给出的答案是它不会产生任何影响，但是再添加一个特征会降低记录与特征的比率，因此会稍微增加偏差，从而使您的模型稍微不那么准确。当然，除非您的模型过度拟合，在这种情况下，它会使您的模型稍微更准确（优秀的数据科学家永远不会这样做，因为他们了解交叉验证的重要性 :-)。

如果您对数据进行归一化，然后尝试进行某种降维，您的算法将立即消除您添加的特征，因为它与第一个特征完全负（线性）相关。 在这种情况下，它将不起作用。

还请考虑以下事项：

当有人问一个非常基本的数据科学问题时，我总是看到很大的危险信号neural network。神经网络非常强大，在媒体和 Kaggle 上受到了极大的关注，但它们需要更多的数据来训练，难以配置，并且需要更多的计算能力。如果您刚刚开始，我建议在深入研究人工神经网络之前先了解线性回归、逻辑回归、聚类、SVM、决策树、随机森林和朴素贝叶斯的基础。只是一些思考的食物。

希望这可以帮助！