我正在尝试建立一个预测模型，最初我做了变分自动编码器，并将特征从2100减少到64。
现在有了（5000 X 64）个样本进行训练和（2000 X 64）次测试，我试图建立一个完全前馈或MLP网络，但结果是，当我的平均绝对误差达到161时，它不会下降。我试着改变所有的超参数和隐藏层，但没有用。
有人能提出原因是什么以及我如何克服这个问题吗？
首先，训练神经网络可能有点棘手。训练后网络的性能（甚至训练过程本身）取决于大量因素。其次，在您的问题中，您必须对您的数据集（问题）更加具体。只要看看你的问题，就可以说。。。
- 您的数据中的值范围是多少？具有平均值绝对误差时，161的误差幅度相当高。你的数据中似乎有很大的价值。（试着对数据进行归一化，即减去每个特征/变量的平均值并除以方差
- 您是如何初始化网络权重的？训练成绩在很大程度上取决于初始重量值。错误的初始化可能导致局部最小值。（尝试使用Glorot的初始化方法进行初始化）
- 您已将维度从2100减少到64。这不是太多了吗？（实际上，这可能还可以，但这实际上取决于您的数据）