在Keras中處理多類別分類問題通常使用多類別交叉熵損失函數和softmax激活函數。以下是一個簡單的示例代碼：
from keras.models import Sequential
from keras.layers import Dense
# 創建模型
model = Sequential()
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'))
# 編譯模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
# 訓練模型
model.fit(X_train, y_train, epochs=10, batch_size=32)
# 評估模型
loss, accuracy = model.evaluate(X_test, y_test)
print('Test loss:', loss)
print('Test accuracy:', accuracy)
在這個例子中，模型有一個輸入層和一個輸出層，輸出層有10個單元，對應于10個類別。損失函數使用多類別交叉熵，優化器使用adam，評估指標是準確率。在訓練模型時，X_train是輸入數據，y_train是標簽數據，epochs是訓練次數，batch_size是每次訓練的樣本數。最后，評估模型的性能并打印測試損失和準確率。
