基于python的ANN多输出回归问题，应该如何处理输入数据和选择损失函数呢？
具体的数据类型如下：输入4个特征，输出两个回归值。
单输出回归问题，我是这样写的：
import和数据导入的部分省略了
X = data.loc[:,'X1':'X4']
y = data.loc[:,'y1']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.1, random_state = 1)
model = MLPRegressor(solver = 'lbfgs',hidden_layer_sizes = (6,7), random_state = 123, max_iter = 10000)
model.fit(X_train_s,y_train)
可是多输出回归的时候，我把输入训练的数据这样写：
X = data.loc[:,'X1':'X4']
y = data.loc[:,'y1':'y2']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.1, random_state = 1)
model = MLPRegressor(solver = 'lbfgs',hidden_layer_sizes = (6,7), random_state = 123, max_iter = 10000)
model.fit(X_train_s,y_train)
虽然能够训练，但损失函数一直不降（基于keras的也试了，也是不行。损失函数是mse）
请问进行神经网络的训练时，多输出该怎么处理数据，损失函数该怎么写呢，keras或skilearn中有现成的吗？还是需要自己编写呢？
谢谢！
