我在运行我的门控循环单元（GRU）模型。运行结束后，我得到了

score = model15.evaluate(X20_test, y20_test)print('Score: {}'.format(score))

输出结果是：

[0.030501108373429363, 0.00272163194425038]

这是我的模型代码：

model20 = Sequential()model20.add(GRU(units=70, return_sequences=True, input_shape=(1,12),activity_regularizer=regularizers.l2(0.0001)))model20.add(GRU(units=50, return_sequences=True,dropout=0.1))model20.add(GRU(units=30, dropout=0.1))model20.add(Dense(units=5))model20.add(Dense(units=3))model20.add(Dense(units=1, activation='relu'))model20.compile(loss=['mae'], optimizer=Adam(lr=0.0001),metrics=['mse']) model20.summary() history20=model20.fit(X20_train, y20_train, batch_size=1000,epochs=25,validation_split=0.1, verbose=1, callbacks=[TensorBoardColabCallback(tbc),Early_Stop])

第一个数字是模型对测试数据的损失mae值，第二个是模型对数据的指标mse值。如果是这样的话，是不是意味着数值越小越好？

回答：

第一个数字是模型对测试数据的损失mae值。第二个是指标。较小的mae总是更好的。