Python 如何为keras中的给定数据点指定多个标签？

我试图用一个连续的keras模型来解决一个分类问题

在Keras中，

model.fit

需要两个

numpy

阵列来训练-

数据，
标签
。
若数据的每一行都有一个对应的标签，那个么这将正常工作

但是，对于我的使用，对于给定的数据点，我有多个可能的分类

这可以在keras中处理吗？如果是，我的数据和标签numpy数组的格式应该是什么

示例输入可能如下所示：

data[0] = ['What is the colour of the shirt?'] 
#This text is converted to a vector using a 300 dimension GloVe embedding layer and then processed. 

label[0] = ['Red','Orange','Brown']

我要求我的模型进行训练，使3个班中的任何一个都能正确回答给定的问题

任何帮助都会很好。
您可以使用MultiLabelBinarizer执行此操作：

from sklearn.preprocessing import MultiLabelBinarizer

lb = MultiLabelBinarizer()
label = lb.fit_transform(label)

您可以将标签传递给fit函数，并使用“分类交叉熵”损失

如果您想使用keras：

from keras.utils import to_categorical
import numpy as np

unique_labels, new_labels = np.unique(label, return_inverse=True)
to_categorical(new_labels, num_classes=None)

你能再解释一下吗？给出更多问题的例子，以及你期望得到的答案另外：当你列出['Red'、'Orange'、'Brown']时，你的意思是衬衫有三种颜色吗？我的意思是回答['Red'、'Orange'、'Brown']中的任何一种都是正确的。我正在建立一个可视化的问答系统，对于给定的图像和给定的问题，可能有多个正确答案。所以，我希望我的分类器能够进行训练，这样当在类似的图像上提出类似的问题时，这些颜色中的任何一种都应该是正确的。我只想要一个keras解决方案。Scikit学习解决方案不起作用