python - 如果我进行一次热编码，我是否总是需要保留一份训练数据的副本？

Question

我正在对分类数据进行 one-hot 编码。当我测试时，我会这样做:

data.append(train_data_X)
data.append(test_data_X)
one_hot_encode(data)
model.test(data[:test_data_X.shape[0])

我想知道是否有一种方法可以在不访问我的训练数据的情况下测试我的测试数据。

Answer 1

通常的最佳实践是使用 scikit-learn 的 OneHotEncoder 函数，恰恰可以避免您遇到的问题。

from sklearn.preprocessing import OneHotEncoder
encoder = OneHotEncoder(categories = "auto", handle_unknown = 'ignore')
X_train_encoded = encoder.fit_transform(X_train)
X_test_encoded = encoder.transform(X_test)

这确保了测试集将实现相同的 One Hot Encoding。因此，您可以使用 X_train_encoded 来训练模型，然后使用 X_test_encoded 来评估它。