神经网络的效果比RandomForest

Question

我有一个分类问题，目标包含5个类，15个特征（全部连续） 并有100万用于培训数据，50万用于验证数据。 例如

shape of X_train = (1000000,15)
shape of X_validation = (500000,15)

首先，我使用了随机森林，该平均森林的平均得分为88％。准确性。

之后，我尝试了许多神经网络体系结构，最好的获得了平均80％的平均水平。训练和验证数据的准确性均低于随机森林。 （我对设计神经网络架构了解不多）

以下是我的NN架构中最好的之一。 （平均准确度约为80％）

model = Sequential()
model.add(Dense(1000, input_dim=15, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(900, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(800, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(700, activation='relu'))
model.add(Dropout(0.1))
model.add(Dense(600, activation='relu'))
model.add(Dense(5, activation='softmax'))#output layer
adadelta = Adadelta()
model.compile(loss='categorical_crossentropy', optimizer=adadelta, metrics=['accuracy'])

批量大小= 128，纪元= 100

我已阅读此question。答案指出，NN需要大量数据和一些调整。我认为我的数据大小足够好，并且我还尝试了更高的辍学率和L2调整，但仍然无法正常工作。 可能是什么问题？

这是我不具备领域知识的生物学数据，很抱歉无法解释。我绘制了如下的特征分布，所有特征都在0到3之间