新功能和现有功能之间的非常强的相关性是一个相当好的迹象，表明新功能提供的新信息很少。新特征和现有特征之间的低相关性可能更可取。

新特征和预测变量之间的强线性相关性是新特征有价值的好迹象，但缺乏高相关性不一定是特征不佳的迹象，因为神经网络不限于线性组合的变量。

如果新功能是根据现有功能的组合手动构建的，请考虑将其排除在外。神经网络的美妙之处在于几乎不需要特征工程和预处理——特征是由中间层学习的。只要有可能，更喜欢学习功能而不是设计它们。

如果您使用的是 scikit-learn，有一个很好的功能可用，称为model.feature_importances_.

试试你的模型/新功能，看看它是否有帮助。还可以在这里和这里查看示例。