为什么我的具有2个功能的MLP比具有1个功能的MLP做得差，其中一个功能是feature1 * feature2的组合

Question

我为一个数据集（约500行）编写了一个MLP，该数据集包含一个生物的长度（L）和宽度（W）以及生物量的输出（生物的重量，以磅为单位，B）。

            mlp = MLPRegressor((5, 5), max_iter=1000)

我已经用功能训练了模型

# Model 1
# Input = Feature 1: Length, Feature 2: Width. Output = Biomass
df = {'length': [60.1, 59.2, 59.4, 58.5], 'width': [15.4, 16.2, 14.9, 15.7], 'weight': [8.34, 7,65, 7.89, 7.14]}


# Model 2
# Input =  Feature 1: Length * Width^2. Output = Biomass
df = {'length*height^2': [60.1, 59.2, 59.4, 58.5], 'weight': [14253.31, 15536.44, 13187.39, 14419.66]}

我的模型具有一个特征的整体准确度超过95％，但是分离特征的准确度约为85％。

我对MLP的理解是模型1应该比模型2更好，因为它基本上可以找到长度和高度与生物质的最佳组合，但是我的1特征模型的性能要好得多。我也尝试使用没有运气的缩放器来标准化数据集。

scaler = StandardScaler()