Python Keras模型不工作（损失不减少且精度保持为零）

我是Keras/Tensorflow的新手，我使用这些专有数据构建了这个模型，以估计给定的用户和商店之间的距离，商店向用户交付所需的时间

就这么简单：

距离（m）时间（min）

5823 | 20.59

5822 | 21.00

6728 | 26.41

6114 | 17.64

6728 | 24.18

1970年11月11日

我有5000对这样的关系，通过绘制它们，我可以看到：

我正试图建立一个模型来预测最大距离是多少，这样交货时间总是在10分钟以下

from keras.layers import Dense
from keras.optimizers import SGD


model = Sequential()
model.add(Dense(4, activation = 'relu'))
model.add(Dense(4, activation = 'relu'))
model.add(Dense(4, activation = 'relu'))
model.add(Dense(1, activation = 'sigmoid'))

opt = SGD(lr=0.01)
model.compile(optimizer = opt, loss = 'mean_squared_error', metrics=["accuracy"])
model.fit(X_train, Y_train, epochs = 500)

当它训练时，它给了我以下信息：

---

发生了什么事？如何修复它？

您的数据存在大量差异。因此，即时的神经网络可能不是为数据建模的最佳方式。从数据科学的角度来看，在使用ML模型之前，您需要解决一些问题：

您需要转换数据，以便总体方差较低。您可以尝试根据某些变换向数据添加另一个维度，然后应用NN

您需要规范化数据，以便因变量和自变量共享相同的值范围（例如0到1）

---

规范化数据意味着我将距离除以距离的最大值，并对时间进行同样的操作？这样一来，距离和时间都会有0到1的值，对吗？你会为1推荐什么。例如，记录值以减少差异？或者你认为还有其他更好的转换函数吗？