我有一个包含20个功能和8个可能标签的简单数据集。但是，对于某些记录，可能有多个正确的标签。 我想训练这个模型，使预测的标签是可能的标签之一。什么是实现这一目标的好方法？
示例：请考虑以下记录：
[color: grey; legs:2; wings:2; mass: 120g;....]
有些记录被标记为＆＃34; Sparrow＆＃34;很少有人被命名为＃34; Bird＆＃34;。在测试期间，我并不关心这些标签中的哪一个被分配到记录中，只要它是其中之一。
答案 0 :(得分：5)
这当然取决于模型，但如果您使用具有交叉熵损失的神经网络，则完全有可能。在通常情况下，标签是单热矢量[0, ..., 0, 1, 0, ... 0]。它的概率解释是目标类为i，概率为1.0（而0.0为所有其他类。
没有什么可以阻止您定义标签[0, ..., 0, 0.5, 0, ..., 0, 0.5, 0, ... 0]：正确的类i概率0.5和j概率为0.5。因此，该模型得知这两个标签对于给定的输入都是正确的。训练模型后，您甚至可以输出两个或更多类，例如概率高于threshold的所有类。或者你总是可以选择最大可能类，在这种情况下，可以选择任何一个类。
请注意，此技巧（称为软类）仅适用于概率模型，并非所有机器学习算法都是概率性的。所以模型的选择在这里很重要。