开发用于线性回归的网络存在问题

Question

所以给了我一个基本上具有一个特征的数据集，我的任务是使用神经网络开发回归模型。

到目前为止，我已经设法推断出另外四个功能，但是我在获得的输出方面遇到了麻烦，即，它们与实际输出有很大出入，认为它们似乎遵循了相同的趋势。 / p>

我想知道尝试找出更多功能是否会对此有所帮助，或者我是否可以使用任何特定的NN体系结构技巧。

这是我现在正在使用的网络。

model1 = Sequential()

model1.add(Dense(128, input_dim = train_fin.shape[1], activation = 'relu'))

model1.add(Dense(256, activation = 'relu'))             
model1.add(Dropout(0.2))

model1.add(Dense(1, activation = 'linear'))

model1.compile(loss = 'mean_absolute_error', optimizer = 'adam', metrics = ['mean_absolute_error'])