数据挖掘 - 使用 CNN 构建预测模型 - 吾爱随笔录

我有一个输入数组 X，它的形状是(38000,32,1); 输出数组 Y 是(38000,1)， Y 的元素可以是0或一个数值，如0.040139或1.075341，或其他一些数值等。 X 中的一个典型向量如下所示

我想建立一个模型来基于 X 预测 Y。这是模型，两个卷积层，然后是最大池化，然后是一个卷积层，一个池化，然后是一个全连接层。详细架构如下。

outX = conv_filter(20, 50, strides=1, activation='relu')(inputs)
outX = conv_filter(5, 60, activation='relu')(outX)
 outX = MaxPooling1D(2)(outX)
outX = conv_filter(2, 70, activation='relu')(outX)
outX = MaxPooling1D(2)(outX)

outX = Dense(300, activation='relu')(outX)
outX = Flatten()(outX)
predictions = Dense(1,activation='linear')(outX)
model = Model(inputs=[inputs],outputs=predictions)

损失函数是'mean_squared_error'。结果看起来不太好。我能想到的原因之一是输入向量的数值，它往往非常小。它会导致任何数字问题吗？有什么建议可以对它们进行预处理吗？另外，网络架构有什么可以改进的地方吗？任何建议将不胜感激。