我不知道为什么我得到的结果扩展性不好。如您在下面的图片中所见，存在缩放问题。
存在两个问题：
- 没有负值
- 预测最大值时存在问题
我不知道为什么会出现这些问题。您有任何解决这些问题的想法吗？
如果您能提供帮助，我将非常感激
代码：
# 读取输入X = dataset.iloc[0:20000, [1, 4, 10]].values# 读取输出y = dataset.iloc[0:20000, 5].values# 将数据集拆分为训练集和测试集from sklearn.cross_validation import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)# 输出矩阵转换y_train = y_train.reshape(-1, 1)y_test = y_test.reshape(-1, 1)# 特征缩放from sklearn.preprocessing import StandardScalersc = StandardScaler()X_train = sc.fit_transform(X_train)X_test = sc.transform(X_test)y_train = sc.fit_transform(y_train) y_test = sc.transform(y_test)# 导入Keras库和包from keras.models import Sequentialfrom keras.layers import Dense# 构建模型classifier = Sequential()classifier.add(Dense(activation="sigmoid", input_dim=3, units=64, kernel_initializer="uniform"))classifier.add(Dense(activation="sigmoid", units=32, kernel_initializer="uniform"))classifier.add(Dense(activation="sigmoid", units=16, kernel_initializer="uniform"))classifier.add(Dense(activation="sigmoid", units=1, kernel_initializer="uniform"))classifier.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])# 将ANN拟合到训练集results = classifier.fit(X_train, y_train, batch_size=16, epochs=25)# 预测测试集结果y_pred = classifier.predict(X_test)回答：
如果您的蓝色曲线显示的是初始输出y，而橙色曲线显示的是模型的输出（您并未详细说明这一点…），那么这里没有什么奇怪的…
预测最大值时存在问题
仔细查看您的代码，您会发现您实际上并没有将初始y输入到网络中，而是输入了其缩放版本，即sc.transform()的结果；因此，您的输出也是缩放的，您应该使用inverse_transform方法将其转换回初始比例：
y_final = sc.inverse_transform(y_pred)顺便说一下，现在这样做是可以的，但通常情况下，使用同一个缩放器（这里是sc）来处理两个不同的数据集（即您的X和y）并不是一个好主意 – 您应该定义两个不同的缩放器，例如sc_X和sc_y。
没有负值
这是因为您在输出层中使用的sigmoid函数只能在[0, 1]之间取正值，所以您可能需要将其更改为其他能够提供所需值范围的函数（linear是一个候选），并且可能还需要将其他sigmoid函数更改为tanh。
