Я сделал регрессионную проблему в том, что val_loss очень высок, почти 5000, а потери - почти 1100. Я нормализовал входные данные. Также используется функция раннего обратного вызова.
model = keras.Sequential([
layers.Dense(64, activation='relu', input_shape=[len(train_dataset.keys())]),
layers.Dense(64, activation='relu'),
layers.Dense(1)
])
optimizer = tf.keras.optimizers.RMSprop(0.001)
model.compile(loss='mse',
optimizer=optimizer,
metrics=['mae', 'mse'])
и это вывод te
Я пробовал 3000 эпох. Это увеличило val_loss после некоторой точки
это история история изображения
Сюжет MAE против эпох
MSE сюжет эпохи