Machine learning 是否需要将多个分类标签从浮点值转换为一个热编码

例如，示例数据中的类型有三个浮点值： 0.0,1.0,2.0

我只是猜测，他们之间的大小关系可能会误导培训模式

我说得对吗？是否应该使用一种热编码或其他方式将其转换为三个向量

from keras.utils import np_utils

trainY = np_utils.to_categorical(trainY)

---

在iris数据集中，有三种可能的标签

当转换成一个数字时，你会得到0，1，2个离散整数。所以，分类问题有三个类

---

如果您将它们转换为一个热点，则使用

categorical\u crossentropy

否则使用

sparse\u categorical\u crossentropy

谢谢，@cristoil，它与categorical\u crossentropy一起工作。原则上，我想知道两种方法（整数值和一种热编码）中的哪一种更适合多重分类。选择其中一种方法没有任何区别，如果标签已经编码，那么选择

category\u crossentropy

，否则可以选择另一种方法。