说我有一个具有收入水平，性别，父母教育水平，学校等功能的学生的数据集，而目标变量是说，通过或失败了国家考试。我们可以训练机器学习模型，以预测这些值是否可能通过还是失败（例如，在Sklearn中，使用preadive_prob，我们可以说通过的概率）
现在说我有一组不同的信息，这与以前的数据集无关，其中包括去年和几年前通过该国家考试的学校的学校和百分比。说，校园：10％，小学生：15％等
我如何利用这些额外的知识来改善我的模型。可以肯定的是，这些数据很有价值。（某些学校的学生由于教育设施，合格的员工等而有更高的机会通过考试。
。我是否有一些将这些信息作为新功能添加到数据集的新功能？如果是这样，建议的方式是什么。还是在模型预测之后我使用这些信息，并以某种方式将它们结合起来以获得最终的概率？显然，由于第二个数据集的概率在20％以下，因此平均值或加权平均值无效，然后将总概率非常低。数据科学家通常如何结合这种先验知识？谢谢
您可以尝试添加此数据的不同方法，并查看您的模型是否能够在此集合上学习。您更有可能立即看到，这些附加数据将使模型感到困惑。主要是因为您已经为学校的每个学生提供了更精确的数据，并且该模型具有更多使用此信息的自由。但是，人工神经网络培训都是关于连续试验和错误的，因此您绝对应该尝试使用所有可能的数据来训练它，您可以想象它最终是否能够获得下降错误。
使用学生学校的平均通过百分比作为每个学生的新功能。