Keras 如何在神经网络中传递预测中我没有的输入值'；我不知道

我使用了一个非常简单的神经网络（一个密集层），不同的矢量化输入（tfidf矢量器）连接在一起

培训内容包括水果、蔬菜和其他东西

类别/标签为[橙色、苹果、大蒜、草莓等]

我想传递的一个重要值是每个实例的父类别，例如：

category: apple
parent category in input: fruits

category: garlic
parent category in input: vegetables

当我必须使用我的神经网络来预测我不知道父类别的数据时，问题就来了，所以我不能将这些信息作为神经网络的输入来传递

可以选择使用2 NN：

• 第一个将预测所需类别的父类别
• 第二个将预测所需的类别，但在输入中，我还将输入父类别

使用此选项，我可以预测类别，而不必事先知道父类别

---

有什么建议吗？

我觉得最好忽略这些关于训练的信息，因为在预测中你不会有这些信息。使用两个神经网络可能会损害您的模型精度，因为您的第二个神经网络依赖于第一个网络精度。2个神经网络可能会降低精度，但同时我看到尝试在更大（更通用）的类别（例如水果、蔬菜，而不是所有单一的水果和蔬菜）上进行训练和预测精度更高。因此，通过第2个NN预测，我希望精度是正确的。