训练数据集总分类列数：27

测试数据集总分类列数：27

OH_encoder = OneHotEncoder(handle_unknown='ignore', sparse=False)OH_cols_test = pd.DataFrame(OH_encoder.fit_transform(X_test[test_low_cardinality_cols]))

编码后，在准备测试数据进行预测时，

测试数据的列数：115

训练数据的列数：122

我检查了测试数据中的基数，与训练数据的列相比，某些列的基数较低。

Train_data.column#1: 2Test_data:column#1: 1Train_data.column#2: 5Test_data:column#2: 3and more..

因此，在进行独热编码时，列数会自动减少。有没有更好的方法来准备测试数据集而不丢失任何数据？

回答：

理想的流程应该是首先在训练数据上拟合OneHotEncoder，然后在测试数据上进行transform操作。这样，您将在训练和测试数据中获得一致的列数。

类似于以下操作：

OH_encoder = OneHotEncoder(handle_unknown='ignore', sparse=False)OH_encoder.fit(X_train)OH_cols_test = pd.DataFrame(OH_encoder.transform(X_test))

要了解OneHotEncoder输出的列名，可以使用get_feature_names方法。可能这个回答会有所帮助。