有时候通过经验或专业知识，你知道某个变量在模型中将发挥关键作用，有没有办法手动提升该变量的重要性，以便加速训练过程，并将一些人类知识/智慧/智能结合到方法中？

我仍然认为机器学习与人类知识相结合是我们现在拥有的最强大的武器

回答：

这可以通过适当缩放你的输入数据来实现。

另一方面，神经网络的优势在于能够从数据中找出哪些特征实际上重要，以及哪些特征与其他特征的组合重要。

你可能会认为这样做可以减少训练时间。其他人可能会认为你这样做会使训练过程产生偏见，甚至可能需要更多时间。

无论如何，如果你想这样做，假设是一个全连接层，你可以增加初始化你认为重要的输入特征的权重。

另一种方法，可以先预训练模型，根据一个训练损失来进行，该损失应将你的特征作为输出。然后保留这些权重并切换到实际的损失——我从未尝试过这种方法，但它可能会有效。