我构建了一个神经网络，包含15个特征或列，每个特征/列的值范围从-50到+100，输出值应始终为正数。

问题在于损失和准确性，每个epoch的损失值都非常大

代码如下所示：

td = pd.read_csv('data.csv')tg = train_data.pop('RESULT')dataset = tf.data.Dataset.from_tensor_slices((td.values, tg.values))td = dataset.shuffle(len(td)).batch(1)model = tf.keras.Sequential([  tf.keras.layers.Dense(20, activation='relu'),  tf.keras.layers.Dense(20, activation='relu'),  tf.keras.layers.Dense(1)])model.compile(optimizer='adam',loss=tf.keras.losses.MeanSquaredError())model.fit(td, epochs=100)

回答：

由于您使用的是回归问题，我认为使用均方误差是合适的。考虑到目标值的可能变化范围很大，所以损失值如此之高并不 surprising。我建议找到一种方法来缩放值，使方差接近1，可能通过应用对数函数。此外，由于您的输入值从-50到+100不等，我还建议将这些值缩放到类似[-1, 1]的范围内。