从技术上讲，您并没有真正进行分类您拥有的输出不是标签，它们是真实值。所以我有两个（可能！）解决方案，您必须自己测试它们：

解决方案 1

因为每个输出实际上都是一个数值，所以您可以像标准化所有其他数值一样标准化它们。因此，您为标签选择一个您期望的最大值（您也可以为每个标签执行此操作），然后将实际值除以该值以对其进行规范化。

因此，如果您预计每个肽序列中的相同氨基酸不会超过 10 个，那么您将所有数量除以 10：

0 becomes 0.0
1 becomes 0.1
2 becomes 0.2
3 becomes 0.3
etc.

解决方案 2

这更复杂，但如果你试一试，它肯定会奏效。该解决方案需要循环网络。就像LSTM网络适​​用于逐个字符的文本预测一样，它们也适用于您的“肽序列语言”。

该解决方案还允许任意长度的输出序列。

怎么运行的？您有一个具有一个输出 (m/z) 和 22 个输出（单热编码氨基酸）+ 1 个输出的网络，当此输出具有最高值时，它告诉您序列已完成。

您继续输入相同的 m/z 值，直到您的网络告知序列已完成。网络将根据之前的输出在每次激活时输出不同的字母（LSTM 模型具有某种记忆）。

这个解决方案有点难以解释，但如果你提供给我一小段肽序列（不要太长，也不要太多），那么我会为你做一个在线工作示例。

正如所承诺的，我对解决方案 2 进行了简单的实现。但是，我认为无论如何你都应该选择解决方案 1。我没有任何真实数据，所以我的模型基本上是过拟合的，但它基本上可以工作：https ://jsfiddle.net/ovpkL2xx/2/ （可能需要一些时间才能运行）

用Neataptic制造