如何从模型生成中保留 Scikit-learn OneHotEncoding 以用于新数据？
How to retain Scikit-learn OneHotEncoding from model generation to use on new data?
我正在使用 OneHotEncoding 为分类问题生成虚拟变量。当用于训练数据时，我得到大约 300 个虚拟列，这很好。但是，当我输入新数据（行数较少）时，OneHotEncoding 仅生成约 250 个虚拟对象，考虑到较小的数据集，这并不奇怪，但我无法将新数据用于模型，因为特征不一致。
有没有办法保留 OneHotEncoding 架构以用于新的传入数据？
我认为您在训练和测试数据集上都使用了 fit_transform，这不是正确的方法，因为编码模式必须在两个数据集上保持一致，模型才能理解来自特征的信息.
正确的做法是
fit_transform 训练数据transform 测试数据
通过这种方式，您将获得一致的列数。
我正在使用 OneHotEncoding 为分类问题生成虚拟变量。当用于训练数据时，我得到大约 300 个虚拟列，这很好。但是，当我输入新数据（行数较少）时，OneHotEncoding 仅生成约 250 个虚拟对象，考虑到较小的数据集，这并不奇怪，但我无法将新数据用于模型，因为特征不一致。
有没有办法保留 OneHotEncoding 架构以用于新的传入数据？
我认为您在训练和测试数据集上都使用了 fit_transform，这不是正确的方法，因为编码模式必须在两个数据集上保持一致，模型才能理解来自特征的信息.
正确的做法是
fit_transform训练数据transform测试数据
通过这种方式，您将获得一致的列数。