例如，我有以下训练集。
name values0 Tony 1001 Smith 1102 Sam 1203 Shane 1304 Sam 1405 Ram 160经过独热编码后变为
values 0 1 2 3 4 0 100 1 0 0 0 01 110 0 1 0 0 02 120 0 0 1 0 03 130 0 0 0 1 0 4 140 0 0 1 0 05 160 0 0 0 0 1现在假设我在生产环境中拥有测试数据，其中Danny是name中的新类别：
name values0 Shane 2001 Danny 2102 Sam 2203 Tony 1804 Danny 150对其进行独热编码后
values 0 1 2 3 0 200 1 0 0 0 1 210 0 1 0 02 220 0 0 1 03 180 0 0 0 14 150 0 1 0 0基于以上情况，我有几个问题：
- 如何处理生产环境测试数据中类别变量的新类别或新值？
- 如何保持模型的输入特征大小（以上示例中，训练集为6，测试集为5）？
Tony在训练集中是特征0，但在测试集中是特征3；这是否会影响训练模型对测试输入的预测？
回答：
如何处理生产环境测试数据中的新类别？
OneHotEncoder针对这个问题有一个超参数：handle_unknown
handle_unknown{‘error’, ‘ignore’}, default=’error’当转换过程中出现未知类别特征时，是否引发错误或忽略（默认为引发错误）。当此参数设置为‘ignore’且在转换过程中遇到未知类别时，该特征的独热编码列将全部为零。在反向转换中，未知类别将被标记为None。
如您所见，此超参数有两个不同的值。如果您的测试中可能出现新类别（如您的例子中的Danny），我建议使用ignore值：
enc = OneHotEncoder(handle_unknown='ignore')如何保持模型的输入特征大小？类别的顺序如何？
模型将始终保持拟合数据的输入特征大小。例如，使用您提供的数据，如果您用训练数据拟合OneHotEncoder，您将始终有6个输入。
并且，这些输入将始终具有与训练数据相同的类别。我的意思是，在您的数据中，特征0将始终指代Tony，特征1指代Smith，依此类推…
如果您想将拟合的OneHotEncoder传输到另一个脚本中，可以使用joblib库。例如：
import joblibenc = OneHotEncoder(handle_unknown='error')enc.fit(data)joblib.dump(enc, 'encoder.joblib')然后，在另一个脚本中加载：
enc = joblib.load('encoder.joblib')澄清
最后，我想澄清一下过程以及您如何进行独热编码，因为我认为这并不完全清楚：
-
对于独热编码，首先，您需要
fit到一个数据集上（几乎总是训练数据）。在这一步您做了什么？基本上，您是在告诉有多少类别、哪些类别以及类别的顺序（在您的情况下：您有6个类别，顺序为：Tony、Smith、…） -
然后，您可以使用之前拟合的OneHotEncoder通过
transform转换任何数据。例如，您测试的结果将是：
Shane，即使它是您测试数据中出现的第一个类别，它仍将是特征3（因此在特征3中会有一个1，其他特征为零），因为它是在使用训练数据的fit部分中定义的。
Danny，在特征中不会有任何1，因为这个名字在训练数据中没有出现。正如我们在问题1中所说，如果您将超参数handle_unknow设置为error，您将得到一个错误，如果设置为ignore，您将继续使用所有特征为0。
因此，基本上，如您所见，您首先拟合到一个数据，然后应用您学到的知识来转换另一个数据。您只需拟合一次OneHotEncoder即可。
注意：您可以通过执行fit_transform一步完成拟合和转换训练数据
