Краткое содержание

Я хочу использовать байесовскую нейронную сеть для задачи регрессии. Для этого я преобразовал BNN из этой статьи в Python 3. Предоставленный скрипт обучения запускается, и я получаю файл pickle, который хочу использовать для предсказания значения в своей регрессии. Хотя потери на обучении практически не уменьшаются, но, судя по всему, это также характерно для моделей, использованных в статье. Входом моей сети является вектор с 59 признаками, где один из признаков — это моя целевая переменная. Это довольно похоже на набор данных о ценах на жилье в Бостоне. MLP внутри BNN возвращает два значения: μ и σ. Если я правильно понимаю BNN, μ и σ относятся к среднему значению и стандартному отклонению моего входа, и мне следует использовать μ для предсказания значений. Но когда я использую входной вектор, я всегда получаю значение, которое примерно соответствует среднему значению моей целевой переменной. То есть, допустим, среднее значение равно 62. Когда я подаю вектор из моего тестового набора, который должен вернуть целевую переменную 142, я получаю 61. Когда я делаю то же самое с вектором, который должен вернуть