方法一：场景神经网络
思路：训练一个包含所有特征的模型，得到auc，在batch中采用shuffle，得到auc’，记特征的importance为auc-auc’
验证方法：先验+经验结合的方式，对于此前实验auc高的特征，在这个方法筛选下，importance有较高的值；对于0覆盖的特征，importance有较小的值
|
1 2 3 4 5 |
left_t = dnn_input[:, :ind*emb_size] this_t = dnn_input[:, ind*emb_size : (ind+1)*emb_size] right_t = dnn_input[:, (ind+1)*emb_size:] this_t = tf.random_shuffle(this_t) input = tf.concat([left_t, this_t, right_t], axis=1) |
代码解读：得到一个batch对行的数据后，对指定的特征列（此处是ind）打乱，即让他失效
