Python tf.keras.utils.to_分类在多个输入中是否保持一致？

如果我对具有相同标志、但顺序和计数不同的不同数据多次运行

to_category

，我是否总能从值到列获得相同的映射？查看文档，我没有看到任何关于一致性的内容

运行一些测试，似乎它尊重升序：

to_categorical([0,1,2,3,4])
array([[1., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]], dtype=float32)

在这个例子中，1和0是相反的，这也是我所期望的

to_categorical([1,0,2,3,4])
array([[0., 1., 0., 0., 0.],
       [1., 0., 0., 0., 0.],
       [0., 0., 1., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]], dtype=float32)

---

是否可以保证所有输入都是如此？

对我来说，第二个矩阵也是正确的。在序列（0）的第二个元素中，一个热编码使

[1，0，0，0]

。你认为什么是错的？@igorkf这是我所期望的，我想知道这是一个保证还是一个愉快的意外。