在修复了我的代码并准备好训练数据后，我遇到了两个问题。
背景：我的数据第一列是日期（每分钟一个条目），第二列是拥堵度（数值，在0到200之间）。我的目标是将这些数据输入到我的神经网络中，从而能够预测未来一周每分钟的拥堵情况（我的数据集超过1000万条目，训练数据应该不会缺乏）。
问题：我现在有两个问题。第一个关于损失函数、优化器和线性激活函数。似乎有许多种，它们各自在某些领域表现更好，你推荐哪一种用于这个项目？（目前我在测试中使用Adam作为优化器，均方误差作为损失函数，线性作为激活函数）。
我的第二个问题更像是遇到的一个错误（可能是由于使用了错误的损失函数/优化器导致的）。在使用我的代码（目前10000条训练数据）时，我的准确率为0，损失很低（0.00X），预测结果很差（甚至与实际情况相差甚远）。你知道这可能是什么原因吗？
回答：
你尝试做的是时间序列预测（给定时间t-n, t-(n+1) … t-1的数据：预测时间t的状态），这通常是递归神经网络的任务。这里是Andrej Karpathy关于这个主题的优秀博客文章，你应该看看。
关于你的两个问题：
-
这个问题很难回答，因为选择哪种优化器高度依赖于输入数据。一般来说，无论使用哪种优化器，网络都会收敛。然而，收敛所需的时间会有所不同。像Adagrad、Adadelta和Adam这样的自适应学习率方法往往能更快地达到收敛。这里是对不同优化器的良好总结。
-
基本的神经网络（多层感知器）在时间序列预测上表现不佳。这可能是低准确率的一个解释。然而，我不知道为什么损失会是0。
