TL;博士

坏主意，不要那样做。

解释

1）您在不存在的类中引入了排序。基本上，在您的示例中，您是在说：“dog接近cat”，“cat接近rabbit”，但“远离” ，这dog是您的网络需要学习的额外学习功能。rabbit

例如，如果网络输出0.35，那么它是类cat，但它也接近dog和远离rabbit。

2) 另一个问题，有些结果是无法表示的。

例如，如果您将范围更改为：

0 <= 输出 < =1

猫 [0.0 - 0.33]

兔子 [0.33 - 0.66]

狗 [0.66 - 1]

您将如何表示以前的相同示例（“它是类cat，但它也接近dog和远离rabbit。”）？变得不可能了。

使用以前的表示，您可以：

output = [0.5, 0.0, 0.5] # cat, rabbit, dog

您如何将其映射到新范围 wherecat = [0.0-0.33]和dog = [0.66-1.0]？我们可以选择中间的 ( 0.5) 吗？不，因为那是 class rabbit。

结论

通过这样做，您可以减少最终层中的权重数量（很好），但是，您会引入需要学习的依赖关系，并且某些结果是不可表示或不可解释的。

执行一种标签编码，然后对列进行规范化。