我正在尝试使用神经网络来执行多类分类。这些类别代表保险风险等级。风险最高的级别是级别 1，风险最小的级别对应于级别 10。标签来自无监督聚类未注释的保险数据。架构是：

输入层 43 特征

密集，1000 个神经元，ReLu 激活

密集的 500 个神经元，ReLu 激活

输出 10 个神经元，Softmax 激活

特别是，对于二元分类，我们可以使用单个神经元作为最后一层。然后，我们将分数定义为最后一层的输入值。但是对于超过 2 节课，我不知道该怎么办。

我的问题：有没有办法获得一个一致的风险分数，即Level越大，分数越小？我尝试使用 logits，而不是标准化概率等。但不确定是否有办法从 logits 获得单一一致的分数？. 感谢您对此的任何提示。