因此，我正在训练一个分类任务，该任务将 2x2x2 魔方的状态描述作为输入，并输出最佳移动。我注意到的一个潜在问题是，在许多州，不止一个动作是最优的。特别是，只有大约 46% 的州只有一个最优棋步，24% 有 2 个，12% 有 3 个，等等。所以我有几个选择。
我想到的选项是
标准做法是什么？另外，1和2有区别吗？
如有必要，您可以假设我正在使用神经网络模型
有多种方法可以做到这一点。您提出的前两个选项将是有效的，但我不确定日志损失是否允许您使用概率作为目标，而不仅仅是二进制标签，但如果是这样的话，它们将适用于您想要的。我还有一个建议。假设在任何时候都有n 个可能的移动可用（在 2x2x2 的情况下，有三个维度，我认为每个维度有 4 个移动，所以这将是 12 个选项）你可以训练 12 个分类器，或者在神经网络的情况下输出层中只有 12 个 sigmoid。然后，您可以将每一步表示为概率，将训练目标表示为 1 和 0 的向量，其中 1 为最佳移动，然后在分类期间选择概率最高的一个。
您的第一个选项的扩展是将所有最佳移动添加为状态。假设移动 2 和 4 是最佳的，您可以使用不同的标签添加两次相同的状态。
编辑：也就是说，我认为如果数学可行，您的第二个选择是最好的选择（我对此不确定，现在没有时间弄清楚），但其他选项也可以。
EDIT2：根据 Neil Slater 的说法，如果实施得当，第二个选项将起作用，我认为这是最干净的解决方案，所以如果可能的话我会这样做，否则我会选择多个样本以获得多个最佳移动或 12方式二元分类。