如果你知道你的输出是积极的，我认为通过应用 relu 函数或 softplus 在你的神经网络中加强积极性更有意义$\ln(1. + \exp(x))$. 您还可以查看广义模型，该模型将线性回归扩展到要预测的变量仅为正（伽玛回归）或介于 0 和 1 之间（逻辑回归）的情况。如果您要预测分类变量，您还可以执行一次热编码并将回归问题转换为分类。最后但并非最不重要的一点是，正如上一个问题中所建议的，将输出标准化为 0 到 1 并在最后一层进行逻辑回归可能会很有趣。希望这有帮助

我的理解是线性模块本质上是线性回归。因此，如果您说“简单线性”，我假设如果有任何明显的斜率，那么如果您的测试数据超出了训练数据的范围，那么负数是不可避免的。我说了这么多，也许线性模型不是最好的选择。

关于 ReLU，它可能与假设您使用 sigmoid 激活没有太大区别。两者都返回一个介于 0 和 1 之间的值。

您应该考虑的另一件事是是否在 0 和 1 之间标准化您的输入。 HTH