Rossz modellel kísérleteztél. Több ok miatt:
1) hogy mi az értelmes input, az nagyon szubjektív, de emberileg biztos hogy nem eldönthető. Ha van értelmes input, akkor AI se biztos hogy kell, mert hogy számodra értelmes, tehát ember által értelmezhető :)
2) NN esetén nem biztos hogy valaha közel voltál az optimális modell beállításhoz (hiper paraméter tuning) és így lehet, hogy volt egy jó inputod, de nem tudtál rá olyan modellt csinálni, ami képes kibontani a mély összefüggéseket belőle.
Azt kell látni, hogy NN alapú modellek kizárólag big data-nál tudnak jeleskedni, de majdnem csak ott. Ugyanis nagyon érzékenyek a zajra a változók között, illetve hogy normalizáltak-e, érzékenyek az idegi kapcsolat paramétereire (rejtett rétegek száma stb) és iszonyat nehéz megtalálni az optimális modell beállítást.
Ezzel szemben emberiségünk egyik legerősebb modellje RF. Szinte soha nem kell tuningolni, elég érzéketlen a rossz változókra -> ezért lehet bedobálni 100-szor annyit, majd ő kiválogatja - ezt semmilyen más modellel nem tudod megtenni és ez komoly probléma. Ugyanis RF nélkül nem tudod, hogy mi a jó modell és mi a jó input. Így nagyon nehéz.
Viszont RF megoldja, éppen az algója miatt, mivel véletlen mintavételezést csinál mind a feature-ök közül és a mind az adat pontok közül. Iszonyat erős. SZVSZ az egyik legjobb modellünk általánosságban.
Mivel RF megtalálja a választ és a mély összefüggéseket az adatban HA LÉTEZIK, így könnyű a dolgunk. Minél többet bedobálni és készen is vagyunk. Utána már csak mérnünk kell a hatékonyságot. Ezt más modellel nagyon nehéz megtenni. Csupán ezért ajánlottam.
Ha most nincs időd, abszolút érthető, de ha AI modellhez nyúlsz, akkor RF-el kezd.