Python 如何保留Scikit从模型生成中学习OneHotEncoding以用于新数据？

我正在使用

onehotcodeding

为分类问题生成假人。在训练数据上使用时，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

只生成约250个假人，考虑到较小的数据集，这并不奇怪，但是我不能将新数据用于模型，因为特征不对齐

---

有没有办法保留用于新传入数据的

OneHotEncoding

模式？

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，以便模型理解来自特征的信息

正确的方法是做

• 对训练数据进行拟合变换
• 对测试数据进行变换

---

通过这种方式，您将获得一致的列数

你的密码在哪里？谢谢你的回答。对于任何遇到这个问题的人来说，这里有一个形式更好的问题：