Python 测试集的反向差分编码是如何工作的？

根据本网站（），后向差分编码的定义为“。在后向差分编码中，将某一水平的因变量平均值与前一水平的因变量平均值进行比较。这种类型的编码可能对标称或顺序变量有用。'

我不明白的是，如果这种编码方法依赖于因变量（如果我理解正确，则与输出变量相同），当因变量未提前提供给模型时，我们如何对测试集执行反向差分编码？在训练集中，因变量的值是给定的，但在测试集中，它们没有给定。有人能提供建议吗？

这种方法只是对分类变量进行影响编码

如果您的分类列具有类别{C1、C2、C3、…}，则按如下方式进行影响编码：

                         Impact(category = Ci) = E[y|Ci] - E[y]

在培训期间，对于每个类别（Ci），它计算平均输出（给定该类别，即后验概率）和因变量的总体预期值（先验）之间的差异。有关影响编码的更多参考，请参阅本文（第10页）

---

在测试阶段，为了将测试数据的分类变量转换为其影响代码，它使用与训练数据相同的预期值“y”。因为这是一个期望值，所以训练数据的样本数是否比测试数据的样本数多并不重要（只要“y”在两个数据集中的分布相似）。

我想，在测试过程中，您必须使用训练集中的值。@Stergios，如果测试集的长度与训练集的长度不同怎么办？假设训练集有10000条记录，而测试集只有500条记录。模型如何知道从训练集中分配给测试集的标签？