我将尝试解释我将如何做到这一点以及它背后的直觉，如果有什么不合理的地方，请随时纠正我。假设您有一个形状为 F 的输入，其中 F 是特征数。如果要构建一个简单的前馈神经网络，则需要将输入乘以形状为 (F, hidden_​​dim) 的权重矩阵。现在，如果我们想再添加一个特征，输入将是 F+1 形状，并且与第一层的乘法将不起作用。为了克服这个问题，我们可以做的是用额外的 0 填充权重矩阵。理论上，新网络应该能够重现第一个的结果，因为它忽略了新特征。现在，如果我们想了解新功能的“重要性”，我们可以训练模型来做到这一点。