我希望能得到一些指导，关于我接下来应该采取哪些步骤来建模一个特定系统。这个系统包含3个独立变量，24个依赖变量，大约21,000行数据。在我的建模尝试中，我无法将准确率提高到50%以上，或者将损失降低到6500以下。我一直在使用以下代码的变体：
EPOCHS = 30#OPTIMIZER = 'adam'#OPTIMIZER = 'adagrad'BATCH_SIZE = 10OUTPUT_UNITS = len(y.columns)print(f'OUTPUT_UNITS: {OUTPUT_UNITS}')model = Sequential()model.add(Dense(8, activation='relu', input_dim=3)) # 3 X参数，已移除eng_speed#model.add(Dense(8, activation='relu', input_dim=4)) # 4 X参数model.add(Dense(32, activation='relu' ))#model.add(Dense(64, activation='relu' ))#model.add(Dense(12, activation='relu' ))model.add(Dense(OUTPUT_UNITS)) # 预测（y）值（标签）的数量model.summary()adadelta = optimizers.Adadelta()adam = optimizers.Adam(lr=0.001)model.compile(optimizer=adadelta, loss='mse', metrics=['accuracy'])#model.compile(optimizer=opt, loss='mse', metrics=['accuracy'])history = model.fit(x=X_train, y=y_train, epochs=EPOCHS, batch_size=BATCH_SIZE)我尝试过移除和添加层，改变它们的尺寸，使用不同的优化器，调整学习率等。以下两个图表是我通常看到的——它们都很快就变得平坦，然后不再改进：
显然我是新手，如果有人能指导我正确的方向，我将不胜感激：尝试一种方法，阅读一些资料，或其他任何建议。提前感谢。
回答：
根据你的mse损失和regression标签，你处于回归设置中，准确率是无意义的（它只在分类设置中使用）；请查看我在当损失为均方误差（MSE）时，Keras中定义准确率的函数是什么？中的回答
鉴于此，原则上绝对没有理由认为6500的损失是“高”的，因此不需要改进…
