我正在训练具有以下结构的keras自动编码器模型：
model = Sequential()
model.add(Dense(128, activation='relu', input_shape=(MAX_CONTEXTS, 3)))
model.add(Dense(64, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dense(3, activation='relu'))
model.compile(optimizer='adam', loss='mse', metrics=['accuracy'])
我的数据的形状为（number_of_samples，430，3），并且包含[-1.9236537371711413，1.9242677998256246]中的值。该数据已被标准化。然后，我训练该模型：
history = model.fit(X, X, epochs=15, batch_size=2, verbose=1, shuffle=True, validation_split=0.2)
并获得95.03％的准确度（可疑高，但是我现在的问题是其他问题）。现在，当我预测数据样本时，正值相对较好，接近输入中的值，但是负值都四舍五入。这是否是我选择的损失函数的错？如果可以，我应该选择哪个其他损失函数？还是我必须以不同的方式扩展数据？