python多变量回归_具有深度学习的多变量多目标回归问题

我想设计一个有多个输入变量(4)和多个输出(3)的神经网络模型。不知道哪里可以改进。

可能的问题：数据加载器和数据规范化：我发现我的输入数据有4个3~4位数的值，因此进行了规范化。我不确定我的方法是否正确。在

我还对输入值进行了规范化处理，虽然输出值也有很大范围的数字，但要正确预测输出值是什么。在

模型本身：我试图建立多输入多输出模型

所以我放4个输入变量，得到3个输出变量。

我应该如何改进我的模型？

(感谢您的帮助，但请使用CNN，RNN，LSTM。。。不太管用….)

损失函数与优化器当前正在使用nn.m损失()损失函数和torch.optim.SGD(模型.参数()，lr=学习率)优化器。在

然而，这使得NaN，NaN，NaN输出(可能有些数字太大了？)

试过nn.L1Loss()

在损失.项目值显著降低，但不确定这是否是我想要的值。在

我看不出结果有多大变化(学习过程)

评价指标看来我不能画出预测和y，因为它是三维矢量

也不能做简单的等式比较，因为数字在很多小数点上通常不匹配。在

在这种情况下，我应该如何评估？在

任何额外的提示或帮助都会很有帮助。

提前谢谢您#This is a dataloader that I have and did normalization with f.normalize

class Loader(dataset):

def __init__(self, data):

self.data = data

/