在深度学习中如何获取特征权重

1. 对于浅层神经网络，例如只有一层或者只有一个隐层的情况，可以将每个特征对应的权重累加对比
2. 去掉某个特征，训练，看离线效果变化幅度（费时费力）
3. 用GBM等gbdt模型重新训练并计算特征权重来近似（简单易行）
4. 给定一个minibatch 计算每一个样本上该特征的梯度（用反向传播计算，并且特征要做归一化，否则绝对值大的特征梯度会小），累加就得到了该特征的权重（相对准确）
5. 另外其实对于复杂深度网络通常是不讲特征权重的，就像一个图像分类网络中不会说每个pixel的权重一样