例如，假设我要训练一个二元分类器，其输入样本格式如下：

x = {d=(桌子的类型), p1=(桌上钢笔的类型), p2=(桌上*另一个*钢笔的类型)}

假设我接着用以下样本训练模型：

x1 = {wood, ballpoint, gel},      y1 = {0}
x2 = {wood, ballpoint, ink-well}, y2 = {1}。

然后尝试预测新的样本：x3 = {wood, gel, ballpoint}。在这种情况下，我希望的响应是y3 = {0}，因为从概念上讲，哪支钢笔被指定为p1或p2应该无关紧要（即，我不希望它产生影响）。

当我尝试运行这个模型（在我使用h2o.ai生成的模型的情况下），我得到了一个错误，指出p2的类别枚举无效（因为模型在训练期间从未在p2的类别中见过’ballpoint’）（在h2o中：hex.genmodel.easy.exception.PredictUnknownCategoricalLevelException）

我的第一个想法是为每个样本生成’钢笔’特征的排列来训练模型。有没有更好的方法来处理这种情况？特别是在h2o.ai Flow UI解决方案中，因为这是我用来构建模型的工具。谢谢。

回答：

H2O二元模型（在H2O集群中运行的模型）会自动处理未见的分类级别，然而，当您使用纯Java POJO模型方法生成预测时（如您的案例），这是一个可配置的选项。在EasyPredictModelWrapper中，默认行为是未知的分类级别会抛出PredictUnknownCategoricalLevelException异常，这就是您看到该错误的原因。

有关此问题，您可以在EasyPredictModelWrapper Javadocs中找到更多信息。这里有一个例子：

用于生成的POJO和MOJO模型的简单预测API。使用方法如下：1. 实例化一个EasyPredictModelWrapper 2. 创建一行新数据 3. 调用其中一个预测方法

这里是一个例子：

// 步骤1。
modelClassName = "your_pojo_model_downloaded_from_h2o";
GenModel rawModel;
rawModel = (GenModel) Class.forName(modelClassName).newInstance();
EasyPredictModelWrapper model = new EasyPredictModelWrapper(
                                    new EasyPredictModelWrapper.Config()
                                        .setModel(rawModel)
                                        .setConvertUnknownCategoricalLevelsToNa(true));
// 步骤2。
RowData row = new RowData();
row.put(new String("CategoricalColumnName"), new String("LevelName"));
row.put(new String("NumericColumnName1"), new String("42.0"));
row.put(new String("NumericColumnName2"), new Double(42.0));
// 步骤3。
BinomialModelPrediction p = model.predictBinomial(row);