已知存在一公式:Y=F(A,B,C,D,E,F)
Y1为公式计算出来的理论值,Y2为Y在现实生活中的实测值
数据表如下:
构建了一个bp神经网络模型去预测Y的值,A,B,C,D,E,F为输入参数,Y2实测值为输出参数。训练的结果很好,误差很小,回归值(绝对系数)接近于1。
但是将输出参数改为W=Y2-Y1(实测值与理论值的误差)之后,也就是构建一个bp神经网络去预测W(误差)的值时,此时训练结果很不好,误差很大(超过1),回归值只有0.4~0.6左右。(超参数都调过了,不管怎么调,结果都很差)
想问问这是什么原因造成的或者应该通过什么办法去减小误差,提高回归值呢?