Machine learning keras模型输出向量的一个热向量，是否可能？如果没有，还有其他选择吗？

所以我有一个输出向量dim=7，每个位置有4个可能的类，所以我的问题是，有没有可能给keras模型一个一个热向量的向量，其中向量的每个位置都是一个热向量？类似这样的

[[1000]、[1000]、[0100]、[0010]、[0001]、[0001]、[0010]]

。

---

如果这是不可能的，还有其他选择吗？

如果您希望您的模型的输出是这样的，当您的

模型=keras.models.model（…）

时，答案是不可能，因为您提供的输出（类似于一个步骤响应“[1000]=>[0000]”）阶跃处的梯度为无穷大，其他点的梯度为0

人们所做的是创建一个模型，给出不同行为的分布，选择最高概率作为预测值，并使用交叉熵损失优化模型。例如，从您的输出

[1,0,0,0]

中，您将得到类似

[0.9,0.01,0.01,0.08]

的内容。然后可以选择第一个实例作为预测值。这将确保您的模型在所有点上都有渐变

---

因此，如果您真的希望您的模型具有

dim=7

和4个不同的值，您可以通过sigmoid激活创建

28=7*4

的输出大小，然后选择前4个作为维度1（可能使用

np.argmax（输出[0:4]）

）等。是的，这是可能的，是什么让您认为不可能的？