Machine learning 使用keras训练神经网络（观察到的损失太低）

我正在用Keras训练一个神经网络，它接受2000 X 1阵列的输入，所有输入数据都是“0”和“1”，并生成一个0或1的单一输出

这是我的模型：

def mdl_normal(sq_len,broker_num):
  model = Sequential()
  model.add(Dense(sq_len * (broker_num + 1), input_dim = (sq_len * (broker_num+1)),activation = 'relu'))
  model.add(Dense(800, activation = 'relu'))
  model.add(Dense(400, activation = 'relu'))
  model.add(Dense(1, activation = 'sigmoid'))
  model.compile(loss='binary_crossentropy', optimizer='SGD')
  return model

然而，我在培训期间获得了以下信息：

公元384/600年代-损失：1.4224e-04-瓦卢损失：2.6322

损失极低，我怀疑我做错了什么。有人能解释一下损失的含义吗

谢谢

---

路易这种行为很好。你正在学习一些非常简单的模型（只有一个二元特征->一个二元特征），它有一个巨大的神经网络，没有任何调节。NN能够记忆每个样本，并获得类似于零的损失（当然，与val_损失一样，这是过度拟合）。您应该阅读一些通用的机器学习教程（关键词：模型功能/假设；过度拟合；调节）。非常感谢！这些信息对我帮助很大