python - 如何将 scikit 学习模型应用于不同形状的看不见的数据？Get Dummies 导致问题

Question

假设我训练了一个模型来检测客户流失，并且数据集具有以下特征（非常简化）。我有品牌和女性，他们通过在线或邮寄方式注册。

ID  source  Gender  Churn
1   Online  M       1
2   Post    M       1
3   Online  M       1
4   Online  F       0
5   Post    F       0

我申请 pandas get_dummies：

ID  source_online   source_post Gender_M    Gender_F
1       1               0          1          0
2       0               1          1          0
3       1               0          1          0
4       1               0          0          1
5       0               1          0          1

现在假设我使用一个模型StandardScaler，然后fit对这些数据进行训练。

几天后，我从同一个数据库和模式中获得了新数据，我必须预测客户流失。完全相同的变量，除了这次只有男性，他们只在网上注册。

ID  source  Gender
1   Online  M
2   Online  M
3   Online  M

我申请get_dummies：

   ID  source_Online  Gender_M
0   1              1         1
1   2              1         1
2   3              1         1

首先，StandardScaler从训练集中学习到的设置不适用于这些看不见的数据，因为它缺少一些dummy variables. 当然，由于同样的原因，它不适用于经过训练的模型。

有没有办法解决？

我目前有数百条存在此问题的记录，因为它们在训练集中存在的变量中缺少一个。（在这个简化的例子中，我们缺少女性）

标签： pythonpandasmachine-learningscikit-learndummy-variable