问题描述
一般来说，我是机器学习和编程的新手，所以请放轻松。
我正在kaggle上执行此Titanic任务，并在使用train_test_split（）之后尝试使用make_column_transformer（）和管道。我的代码如下。
preprocess = make_column_transformer(
(StandardScaler(),['Age','fare']),(OneHotEncoder(),['Pclass','SibSp','Parch','Family_size','Sex','Embarked','Initial','fare_cat']))
model = make_pipeline(preprocess,LogisticRegression())
model.fit(X_train,y_train)
predictions = model.predict(X_test)
这很好用。但是，当我在提交的测试数据集上尝试过
y_train_submit = train_data.Survived.values
X_train_submit = train_data[['Pclass','Age','fare','fare_cat']]
X_test_submit = test_data[['Pclass','fare_cat']]
model.fit(X_train_submit,y_train_submit)
predictions_submit = model.predict(X_test_submit)
它在predicts_submit行上给出了此错误。
ValueError: Found unkNown categories [9] in column 2 during transform
经过一些实验，我发现错误来自OneHotEncoder（）。列和数据类型都完全相同，我对两个DataFrame进行了完全相同的操作，所以为什么它不能与测试数据集一起使用？在这种情况下，我应该如何应用OneHotEncoder？
解决方法
您应该在此处添加make_column_transformer函数，如果您不共享它，人们将不知道它的作用。
我的感觉是，您制作了两个“热编码器”对象，一个用于训练，一个用于测试，这是错误的。您应该将一个用于训练集，以便同时进行训练和测试。如果您在测试集中有一个未出现在训练集中的元素，则还应该添加handle_unknown参数。
from sklearn.preprocessing import OneHotEncoder
enc = OneHotEncoder(handle_unknown='ignore')
enc.fit(X_train_submit)
X_train_submit = enc.transform(X_train_submit)
X_test_submit = enc.transform(X_test_submit)
该错误告诉您分类功能之一具有新的类别。当您训练OneHotEncoder时，它会将所有唯一值保存在这些列中，并为每个列创建一个虚拟列。但是在训练（或测试）数据的其中一列中没有看到9，但是在提交数据中却有9。
您可以在编码器中设置handle_unknown='ignore'，以静默忽略看不见的电平，将它们编码为全零。
handle_unknown： {“错误”，“忽略”}，默认值=“错误”
在转换过程中是否引发错误或忽略是否存在未知分类特征（默认为引发）。如果将此参数设置为“忽略”，并且在转换过程中遇到未知类别，则此功能生成的一键编码列将全为零。在逆变换中，未知类别将表示为“无”。