在Keras中处理多分类问题通常使用softmax激活函数和categorical_crossentropy损失函数。以下是一个简单的多分类问题的例子：
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(100,)))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))
model.compile(optimizer='adam',
loss='categorical_crossentropy',
metrics=['accuracy'])
# 训练模型
model.fit(X_train, y_train, epochs=10, batch_size=32)
# 评估模型
loss, accuracy = model.evaluate(X_test, y_test)
print('Test accuracy:', accuracy)
在这个例子中，我们使用了一个包含两个隐藏层的神经网络，最后一层是一个具有10个类别的softmax层。在训练模型时，我们使用了categorical_crossentropy损失函数和adam优化器。最后，我们评估了模型在测试集上的准确率。
在处理多分类问题时，需要将标签进行one-hot编码，即将每个类别转换为一个长度为类别数量的向量，其中对应的类别位置为1，其余位置为0。在Keras中可以使用to_categorical函数来进行转换。
from keras.utils import to_categorical
# 将标签进行one-hot编码
y_train = to_categorical(y_train)
y_test = to_categorical(y_test)
