我在 Keras 中有一个用于分类分类的 LSTM 模型（20 个可能的类别）。在许多情况下，我的数据可以适合多个类别。

显然，我当前的模型使用 one-hot 编码并适合它——这给了我 50-60% 的准确率和验证率，但我想通过比较模型与算法选择的前 3 个类别的表现来改进这一点。

现在，我使用带有 categorical_crossentropy 的 Keras。我认为这会检查标签是否是最匹配的，并将准确性基于该匹配。如何修改模型的拟合/训练以允许标记的类别位于准确度得分的前 3 个（或前 X 个）匹配项中？