私は回帰タスクのために単純なニューラルネットワークを構築するためにケラスを使用しています。 しかし、出力は常にグランド真理値yデータの「平均値」に向いています。 最初の図を参照してください。青は地面の真実、赤は予測値です（地面の真実の一定の平均に非常に近い）。なぜニューラルネットワークは「平均値」を出力する傾向がありますか？
また、学習エポック= 100に設定しても、モデルの学習が非常に早く終了します。
ニューラルネットワークが早期に学習をやめ、どのような状況下で誰かがアイデアを持ち、なぜ回帰出力が地上真理の「平均」に向かうのでしょうか？
ありがとうございます！ 
データが予測できない可能性があるため....データセットにある種のN次予測可能性があることは確かに分かりますか？
あなたのデータセットを見ているだけでは、周期性がなく、均質性がなく、傾きや歪みや傾向やパターンが欠けています...あなたのネットに何か問題があるかどうかは分かりません。パターンがない場合、平均は常に最良の予測です...ニューラルネットがその仕事をしていることは完全に可能です（確かではありませんが）。
もっと簡単なデータセットを見つけて、まずそれに取り組むことができるかどうかを確認することをお勧めします。
あなたは正しいです。データセットには問題があり、後に別のデータセットをテストし、繰り返しを5000に増やしました。その後、予測がより合理的になります。皆さん、ありがとうございました！ – mira67
モデルは、データから学習されていません。基本的な線形回帰を考えてみましょう。「ヌル」予測、予測子をまったく持っていなかった場合の予測は期待値です。すなわち平均。それは多くの異なる問題によって引き起こされる可能性がありますが、初期化は覚えておかなければなりません。 Thisブログ投稿には役立つかもしれない実用的なアドバイスがあります。
プロットはあなたのデータ全体を表示していますか？つまり、1つのフィーチャーしかないということですか？それから何かを学ぶのはかなり難しいようです。 – Tobias
データには7つの機能、1つの出力yがあります。プロットは、予測値対グランド真理を示しています。ありがとう。 – mira67