我不确定ML.NET的CategoricalOneHotVectorizer是如何工作的，从他们的示例代码来看，

var pipeline = new LearningPipeline{    // ... extra code ...    new CategoricalOneHotVectorizer("VendorId", "RateCode", "PaymentType"),    // ... extra code ...    new FastTreeRegressor()};

看起来当我们调用model = pipeline.Train()来训练模型时，它只对分类输入数据进行编码。所以如果我的测试数据中有一些在输入中不存在的值，会不会搞乱预测结果呢？

通常在Python中，我会在使用OneHotEncoder对分类变量进行编码之前，先用训练和测试数据对其进行训练。不确定如何在ML.NET中实现这一点

回答：

你不应该使用测试数据来训练你的模型。这是一个错误。所有的一键编码机器学习框架都会默认将未见过的类别编码为全空值。ML.NET v0.7也会这样做：

public static void TryOneHot(){  var data = Enumerable.Range(1, 4).Select(i => new { A = $"{i}", B = $"{i}" });  var trainData = data.Take(3).ToArray();  var testData = data.Skip(3).ToArray();  using (var env = new ConsoleEnvironment(seed: 1, conc: 1))  {    var dataView = env.CreateDataView(trainData).AssertStatic(env, c => (A: c.Text.Scalar, B: c.Text.Scalar));    var encoderPipe = dataView.MakeNewEstimator()      .Append(row => (        A_OH: row.A.OneHotEncoding(),        B_OH: row.B.OneHotEncoding()      ));    var encoder = encoderPipe.Fit(dataView);    var encodedTrainingData = encoder.AsDynamic.Transform(env.CreateDataView(trainData));    var raw = encodedTrainingData.GetColumn<float[]>(env, "A_OH").ToArray();    var encodedTestData = encoder.AsDynamic.Transform(env.CreateDataView(testData));    var rawUnseen = encodedTestData.GetColumn<float[]>(env, "A_OH").ToArray();  }}

如果你检查rawUnseen，你会发现它会被编码为[0, 0, 0]，因为这个类别从未被见过。