我是机器学习的新手，我正在尝试使用keras在此数据集https://www.kaggle.com/harlfoxem/housesalesprediction上实现线性回归。尽管我认为经典机器学习将更适合于此问题，但我想使用神经网络来了解它。我已经完成了特征选择，并删除了一些相互之间具有高度相关性的特征，现在还剩下8个特征。我已经标准化了我的功能，但没有标准化标签。我已经阅读并知道神经网络通常需要时间来训练，我只是想问这个问题，以防止我将更多的时间投入到可能不起作用的模型上。现在，我正在使用这种设计训练模型：
model = Sequential()
model.add(Dense(10, inputshape = (10, ) , activation =LeakyReLU()))
model.add(Dense(7, activation=LeakyReLU()))
model.add(Dense(1))
model.compile(optimizer ="adam", loss = "meansquarederror", metrics = ["meansquared_error"])
现在，已经是13,000个纪元和8个小时了，但我仍然得到： 损失：66127403415.9417-Meanquarederror：66127421440.0000-valloss：75086529026.4872-valmeansquarederror：75086495744.0000
尽管我可以看到损失一直在逐渐改善（开始于大约3000亿）。那么，要在此数据集上得到不错的错误需要花费几个小时的培训？我在正确的轨道上吗？