为何Keras的one_hot函数输出整数索引而非含0的独热编码向量？

先看你给出的代码示例：

from tensorflow.keras.preprocessing.text import one_hot
vocab_size = 5
one_hot('good job', vocab_size)
Out[6]: [3, 2]

问题1：独热编码是否应始终生成由1和0组成的向量？ #

严格来说，标准独热编码的输出确实是仅包含0和1的向量——每个类别对应向量中的一个位置，该位置设为1，其余全为0。但在实际工程场景里，大家常把“整数索引编码”也看作独热编码的简化形式，因为它是独热向量的压缩表示，后续可以很轻松转换成标准的独热向量。

问题2：为何Keras的one_hot函数未输出含0的结果？ #

Keras的one_hot函数本质是个哈希式整数索引生成工具，它的核心作用是把每个单词映射到[1, vocab_size]范围内的整数（注意是从1开始，不是0），而非直接生成标准独热向量。这么设计的原因很实际：

• 省内存：如果词汇量很大，存储独热向量会占用海量空间，而整数索引只需要存单个数字，空间效率高很多
• 后续流程兼容：Keras里有专门的to_categorical函数，或者直接用Embedding嵌入层，都能把这些整数索引快速转换成独热向量或者更高效的词嵌入，完全不需要提前生成占空间的独热向量
• 哈希碰撞处理：这个函数用哈希映射单词到索引，当不同单词哈希到同一个整数时会自动处理，但核心逻辑还是输出索引而非向量

内容的提问来源于stack exchange，提问作者marlon