Python OneHotEncoding问题，测试集上的数据不可见

我有数字和分类变量的数据。我已将数据分为训练和测试。我想做一个热编码后插补。测试集上有看不见的数据

我知道

handle\u unknown='ignore'

解决了这个问题。但是，我还想删除一列（

drop='first'

），以避免多重共线性。OnehotEncoding不能同时接受这两个选项

有没有办法处理看不见的数据并避免多重共线性

---

注意：我使用的是ColumnTransformer。

您最好使用阵列切片并设计一个自定义转换器，这样您仍然可以在

ColumnTransformer

中应用这样的转换器。您将找到一个如何创建自定义转换器的示例。

尝试设置两者时引发的错误提供了一个很好的观点：“

handle\u unknown

在指定drop参数时必须是'error'，因为两者都会创建全部为零的类别。”也就是说，如果您可以同时使用这两个选项，那么最终的行为是测试集中未看到的级别将与删除的级别完全相同。然而，如果你对这个效果满意，我看不到一个简单的方法来做到这一点，没有一个自定义的转换器。