分類問題的label為啥必須是 one hot 形式？

作者：桔了個仔鏈接：https://www.zhihu.com/question/359742335/answer/930586793 來源：知乎

其實真不一定必須用one hot，不過用one hot時，主要因素包括：

one hot的形式無法比較大小。如果你預測的label是蘋果，雪梨，香蕉，草莓這四個，顯然他們不直接構成比較關係，但如果我們用1,2,3,4來做label就會出現了比較關係，labe之間的距離也不同。有了比較關係，第一個label 和最後一個 label的距離太遠，影響模型的學習。因為模型覺得label 1和label 2最像，和最後一個label 最不像。不過當你的label之間存在直接的比較關係，就可以直接用數字當label。例如你做一個風控模型，預測的是四個風險類別[低，中，高，緊急]，其實你也可以用1，2，3，4來做label，因為確實存在一個比較。但這本質上就成了回歸問題。
one hot的形式還可以計算top N準確度。預測的結果將會是[0.1, 0.6, 0.2, 0.1]這樣的形式，我們一般取概率最高的那個為預測結果，假設這四個label還是[蘋果，雪梨，香蕉，草莓]，如果真實的結果是雪梨，那麼這個結果是top1 準確的。但如果實際結果是香蕉，但香蕉的概率排第二，那麼這個結果也是top 2準確的。top N準確率在推薦類應用中很常用，你購物時經常會看到物品下方有N個推薦搭配，如果推薦模型的top N準確率越高，那麼這個購物推薦的最後轉化效果就越好。