如何减少keras顺序模式的损失

Question

我希望能得到一些指导，告诉我下一步应该采取什么步骤来模拟某个系统。它包含3个自变量，24个因变量，约21000行。在我的建模尝试中，我无法得到超过50%的准确率或低于6500%的损失。我一直在使用以下代码的变体：

EPOCHS = 30
#OPTIMIZER = 'adam'
#OPTIMIZER = 'adagrad'
BATCH_SIZE = 10
OUTPUT_UNITS = len(y.columns)
print(f'OUTPUT_UNITS: {OUTPUT_UNITS}')

model = Sequential()
model.add(Dense(8, activation='relu', input_dim=3)) # 3 X parameters, with eng_speed removed
#model.add(Dense(8, activation='relu', input_dim=4)) # 4 X parameters
model.add(Dense(32, activation='relu' ))
#model.add(Dense(64, activation='relu' ))
#model.add(Dense(12, activation='relu' ))
model.add(Dense(OUTPUT_UNITS)) # number of predicted (y) values (labels)
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，改变层的大小，不同的优化器，学习率，等等。下面两个图是我看到的典型图——它们都很快变平，然后没有改善：

我对这一点显然是个新手，如果有人给我指出正确的方向，我会很感激的：尝试的方法，阅读的内容，等等。提前谢谢。你知道吗

Answer 1

因为（根据你的mse损失和你的regression标签）你处于回归设置中，所以精确度是没有意义的（它只在分类设置中使用）；请在What function defines accuracy in Keras when the loss is mean squared error (MSE)?中查看自己的答案

考虑到这一点，原则上绝对没有理由认为损失6500英镑为“高”，因此需要改进。。。你知道吗