机器学习：一组特征值只能拥有一个标签值吗？是不是具有唯一性？_机器学习中,可以少数特征来对应多个标签吗?

机器学习：一组特征值只能拥有一个标签值吗？是不是具有唯一性？

今天我很开心，解决了我心中的一个很大的疑惑。
我们以图像分类为例，输入100了一百张猫的照片，其中有一张其实是狗，但是我们自己定义标签值的时候定义成了猫。也就是输入数据有一张分类本身就是错误的（由于我们人为因素造成的，是噪音），但并不影响主体数据，所以模型学习时不会受到影响（有损失函数约束）。
但是另外一种情况，就是一组特征值的标签有两个，那么到底可不可以？举个例子来说我们以图像分类为例，假如训练数据中某一张照片两个标签值是猫和狗，比如我们告诉模型这张照片是狗，一会又告诉模型这张照片是猫，哈哈哈哈哈哈哈哈，模型自己也傻了到底是狗还是猫？所以这种情况模型自己是分不清的，但是还是这张照片我们训练了10次，8次告诉它是猫，2次告诉它是狗，这种情况测试时模型就会偏向于是猫。
就相当于有一只海豚的照片。刚开始小孩问我们这张照片是什么，我们告诉小孩两次是鲨鱼，后来又告诉小孩8次是海豚，那么小孩就更倾向于这张照片是海豚。
哈哈哈哈哈，大家一定想知道这个疑问我是怎么产生的，是因为我在学习下棋AlphaZero算法时遇到的问题，我们需要用深度残差网络对一个状态预测状态价值，前期阶段蒙特卡洛树搜索（MCTS）对好的状态容易估计成差的状态，后面的估计慢慢变的越来越好，所以我就产生了疑问，我们训练神经网络时，前面告诉它这个状态是差的状态，后面我们又说这个状态是好的状态，那么模型到底应该怎么学习，现在我就知道了有了损失函数的约束，预测值更倾向于选择告诉它次数多的标签，80次告诉模型S状态是好的，20次S状态是差的，那么模型更倾向于选择80次的标签。。。