为什么我的自定义神经网络不起作用并且具有较高的MAE

Question

这是使用DNN估算收入的回归问题。
该网络如下图所示：

The network struct picture

右分支是一个完全连接的神经网络，其结果意味着有效。
左分支是每个样本的已知变量，表示在线时间。
目前，我只想学习网络的正确分支。网络代码如下：

def neural_net(x, hours):
    layer_1 = tf.nn.relu(tf.add(tf.matmul(x, weights_h1), biases_h1))
    layer_2 = tf.nn.relu(tf.add(tf.matmul(layer_1, weights_h2), biases_h2))
    efficient_out_layer = tf.nn.relu(tf.add(tf.matmul(layer_2, weights_out), biases_out))
    delta_efficient = tf.add(efficient_out_layer, 1)
    delta_online_hours = tf.add(hours, 1)
    out_layer = tf.multiply(delta_online_hours, delta_efficient)
    return out_layer    

但是湄太高了。 当我不使用左分支，而仅使用dnn估计结果时，mae较低。

我想知道我的网络出了什么问题，为什么左边的分支会把右边分支的训练有素的网络广为传播，所以谢谢。

Answer 1

如果无法弄清楚Canada USA Canada Canada Canada Mexico .......... 到底是什么意思，将x乘以正确的网络的输出是没有意义的。变量x可能是示例的功能。如果是这样，最好将其与其他功能一起输入到正确的网络中，而不是简单地将其乘以输出。