我正在处理以下示例训练数据的回归问题。

如图所示，我只有4个参数的输入，其中只有一个参数改变，即Z，因此其余参数没有实值，而124个参数的输出表示从O1到O124注意到O1以20的恒定速率变化[1000然后1020然后1040…]，而O2以不同的速率变化，即30，但仍然恒定，同样适用于所有124个输出，所有的线性变化都是恒定的。

我认为这是一个微不足道的问题，一个非常简单的神经网络模型将在测试数据上达到100%的准确性，但结果恰恰相反。

• 我使用线性回归器达到了100%的测试精度，使用KNN回归器达到了99.99997%的测试精度
• 我在使用relu激活的10层神经网络中达到了41%的测试数据准确性，而所有其他激活函数都失败了，浅层relu也失败了
• 使用具有线性激活函数且没有隐藏层的简单神经网络，我在测试数据上达到了92%

我的问题是如何让神经网络获得100%的测试数据，如线性回归器？假设使用具有线性激活的浅网络与线性回归器等效，但结果不同，我是否遗漏了什么？