В чем может быть причина негативных значений loss в модели Sequential?

Потеря - это просто скаляр, который вы пытаетесь минимизировать. Он не должен быть положительным.

Одна из причин, по которой вы получаете отрицательные значения в потерях, заключается в том, что training_loss в RandomForestGraphs реализован с использованием перекрестной энтропийной потери или отрицательной логарифмической вероятности в соответствии с приведенным здесь справочным кодом.

Кроме того, как вы можете видеть, потери остаются постоянными в более поздних итерациях, я полагаю, что настройка гиперпараметров сделает дерево устойчивым к отклонениям данных. Вы можете ссылаться на некоторые идеи отсюда.

==========================

Источник https://stackoverflow.com/questions/59260861/why-is-my-loss-function-return-negative-values 

содержит линки во строке  "negative log liklihood as per the reference code here"

===========================

Минимизация отрицательного логарифмического правдоподобия является прокси-проблемой проблемы оценки максимального правдоподобия.

Кросс-энтропия и отрицательное логарифмическое правдоподобие - тесно связанные математические формулировки.

Существенной частью вычисления отрицательного логарифмического правдоподобия является «суммирование правильных логарифмических вероятностей».

PyTorch-реализации CrossEntropyLoss и NLLLoss немного отличаются ожидаемыми входными значениями. Короче говоря, CrossEntropyLoss ожидает необработанные значения прогноза, в то время как NLLLoss ожидает логарифмические вероятности.

Далее смотри https://towardsdatascience.com/cross-entropy-negative-log-likelihood-and-all-that-jazz-47a95bd2e81#