kerasの学習済モデルを使うときの特徴量（入力項目）を少なくしたい。

Question

以下のような事を考えています。

１．学習用データ⇒100項目×800件（テストデータ⇒100項目×200件）
２．kerasで学習（２値の判別）
３．モデルを作成
４．そのモデルに、未知データ(100項目)を１件インプットして、判別を実施。

上記の４で、1件の未知データの判別をするのに、100項目をインプットさせています。
これを、毎回ハンドで入力しなければならず、かなり時間がかかります。

この未知データのインプット時の項目数を減らす方法はあるのでしょうか？
それとも、かならず、学習時の項目をすべてインプットしなければならないのでしょうか？
100項目（100特徴量）すべてではなく、結果に影響を与える最小限の特徴量に絞り込みたいと考えています。
（20項目くらいに絞り込みたい）

ご指導よろしくお願いいたします。

Answer 1

一度インプット100で学習してしまったモデルはもうどうしようもないと思います。
インプットを20項目に絞り込んで再学習する必要があります。

Comments

[python_2019]

ご回答ありがとうございました。

やはり、最初から特徴量を絞り込む必要があるのですね。
最初から有効な特徴量を絞り込むのは、経験によるしかなく難しそうですね。
あまり絞り込むと、精度が悪くなりそうですし...。