我的模型精度在第一次迭代后保持不变（0.024），我该怎么办？

Question

我已经创建了一个预测洛杉矶房价的模型，应该是一个简单的回归问题，这让我很头疼，因为损失太大了，我的准确性也不会改变。

我已经尝试过规范化，更改体系结构（减少图层，隐藏的单元），添加辍学，更改损失函数，批处理大小，历元，而我的准确性仍然仅为0.024

input_shape = X_train_2[0].shape

model = tf.keras.models.Sequential([
    tf.keras.layers.Flatten(input_shape=input_shape),
    tf.keras.layers.Dense(units=300, activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dropout(0.1),
    tf.keras.layers.Dense(units=300, activation=tf.nn.relu),
    tf.keras.layers.BatchNormalization(),
    tf.keras.layers.Dropout(0.1),
    tf.keras.layers.Dense(units = 1, kernel_initializer = 'lecun_normal', activation='linear')
    ])

model.compile(optimizer='adam',loss='mean_squared_error', metrics=['accuracy'])
model.fit(X_train_2, y_train_2, epochs=100, batch_size=32)
model.summary()
model.evaluate(X_test_2, y_test_2)

我当时以为我的模型会给出实际的好结果，因为当我开始学习ML时我已经做过一个房价模型，但是我认为我忽略了它。