python - OneHotEncoding 问题与测试集上看不见的数据

Question

我有数字和分类变量的数据。我已将数据拆分为训练和测试。我想在插补后进行一次热编码。测试集上有看不见的数据。

我知道handle_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。

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。

标签： pythonmachine-learningdata-scienceone-hot-encoding

Answer 1

您最好使用数组切片并设计一个自定义转换器，以便您仍然可以在您的ColumnTransformer. 在这里，您将找到一个如何创建自定义转换器的示例。