假设 one-hot 编码是表示一系列对象（如服装项目）的完美方式。即：帽子是[1 0 0]，领带是[0 1 0]。

我想预测客户在花费一定金额时购买了什么，这将作为 NN 的输入。例如：例如，客户花费 22 美元。问题是，客户可能会购买多件相同的服装。

给定 22 美元的输入，使神经网络输出类似 [2 1 0] 以显示其预测为 2 顶帽子和 1 领带的最佳方法是什么？

据我所知，二元交叉熵对多标签问题有好处，但是当同一个标签不止一次出现时，我找不到一个例子来说明如何应用它。

我能想到的唯一解决方案是将其转换为回归问题，但这样做似乎很糟糕，因为这是一个分类问题，并且网络应该根据预测对象的次数输出固定的自然数。