神經網絡 - 我應該刪除所有派生/計算變量嗎？

Question

我正在使用神經網絡來控制遊戲中角色的移動。目前我已經獲得了大量維度，爲了修改它們以提高存儲和代碼可管理性，我正在考慮刪除所有派生變量，即可以從已發送到網絡的數據中計算出的任何變量。

一個例子是a）位置，b）速度，和c）沿路徑的加速度之間的關係。目前，我將所有三個數據點中的最後50個數據點發送給NN，以幫助確定其下一個移動。但是，我不知道系統控制/錯誤是否可以通過僅發送位置來簡化。從理論上講，神經網絡應該能夠根據位置歷史完全根據它自己的時間推導出速度和加速度。

一般來說，這個容量的尺寸減少是建議的嗎？爲什麼或者爲什麼不？

我知道在這種情況下人們經常建議是隻是爲了測試一下，看看會發生什麼，但在這種情況下，這裏有這麼多的變數，這將需要數天的測試，所以我希望聽到任何人的經驗給這類型的情況以及他們推測的一般規則是什麼。

獎金問題 - 對於神經網絡（意圖將函數映射到數據）而不是隨機森林（似乎更多地使用最近鄰居方法），這種評估/決策會不同。

謝謝！

Answer 1

實施PCA以減少功能的數量。他們減少的功能將有不尋常的單位，如[位置速度加速度]。但是，如果您正確執行PCA，則可以保留原始集具有99％差異的功能集。

然後使用NN中的新功能集。

建議減小尺寸以加快算法速度，因爲正如您觀察到的，您的特徵之間存在很多相似之處。