没有最好的方法，但如果有，Tensorflow 肯定不会是这样。我能想到三种方法，在某些情况下，每种方法都比其他方法更糟糕（没有免费的午餐）：

• 测量变量与输出变量的相关性，取相关性最高的变量。这是一个相当差的方法，因为它考虑了线性相关，并且这不是一个很好的依赖性度量。取而代之的是测量输出变量与所有变量之间的距离相关性，尽管计算量更大，但选择距离相关性最高的特征。
• 使用 L1 惩罚 (Lasso) 拟合线性模型。Lasso 会自动为您选择变量，将非重要变量的权重设置为 0。具有非零权重的变量是您可以选择的变量。
• 拟合随机森林或梯度提升，并取特征重要性最高的变量。这在实践中对我来说非常有效。

我希望这有帮助。