Список проголосовавших за комментарий "ПBМ, мыслей несколько в связи с сетями:<br/> 1. Сети нужны в первую очередь для end-to-end learning — это когда вы не придумываете какие-то свои объясняющие признаки, а пихаете сырые данные в сеть (просто картинку, просто котировки и т.д.), и она сама за вас «придумывает» признаки. Если вы сами занимаетесь feature engineering, то обычно гораздо эффективнее использовать другие методы, например, градиентный бустинг<br/> 2. Для такого рода обучения обычно нужно достаточно много обучающих примеров, поэтому если у вас их мало, то городить нейронную сеть смысла нет — используйте бустинг<br/> 3. Если у вас есть достаточно даных, то нужна правильная архитектура. Если вы не знаете архитектур под свою задачу и собирается забацать несколько полносвязных слоев в надежде, что все получится, то это тоже имеет мало смысла — бустинг обычно гораздо лучше с этим справляется. Изучайте архитектуры или ограничьтесь более простыми методами машинного обучения."