具有一个输入和一个输出的 Keras 回归模型

问：

我正在尝试在Keras中设置一个非常简单的模型，有一个输入和一个输出，并试图找到两个数组之间的连接。但是，训练不会降低测试数据的 MSE。

我将数据集拆分为输入变量和输出变量，并创建了一个包含两层的模型。最后，我希望模型的权重作为输入和输出之间连接的表示。我使用了一个非常简单的数据集：output = input*1.5

但是，我正在努力适应模型。输入的形状为 （505， 1），目标的形状为 （505，）。

我的模型方法如下：

# load dataset
dataframe = pd.read_csv("data.CSV", delimiter=';')
dataset = dataframe.values
#print(dataset)
# split into input (X) and output (Y) variables
X = dataset[:,0]
Y = dataset[:,1]

# define base model
def baseline_model():
 # create model
 model = Sequential()
 model.add(Dense(1, input_shape=(1,), kernel_initializer='normal', activation='softmax'))
 model.add(Dense(1, kernel_initializer='normal'))
 # Compile model
 model.compile(loss='mean_squared_error', optimizer='adam')
 return model
# evaluate model
estimator = KerasRegressor(model=baseline_model, epochs=100, batch_size=5, verbose=0)
kfold = KFold(n_splits=2)
results = cross_val_score(estimator, X.reshape(-1,1), Y, cv=kfold, scoring='neg_mean_squared_error')
print("Baseline: %.2f (%.2f) MSE" % (results.mean(), results.std()))