背景：

我已经建立了一个用于预测分类结果的神经网络，并希望使用Olden 等人提出的变量重要性方法来测试变量重要性。2004 年。

问题：

然而，我注意到更“重要”的变量，即在奥尔登算法的输出中具有更大绝对值的变量，在训练集中的样本往往比“不太重要”的变量少得多。例如，一个变量$x$具有可变重要性值 5000 的训练集中可能只有 5 个观察值$x$编码为真（我在这里使用了单热编码来编码观察结果）而变量$y$重要性值为 72 的训练集中可能有 750 个观察值$y$编码为真。

问题

1. 有人遇到过这个问题吗？
2. 你会如何解决这个问题？
3. 说这个变量是否合理$x$具有比变量更多的变量重要性$y$，即使它的样本量要小得多？