如何在预测数据上使用 Pandas get_dummies？

Question

在 3 个分类列上使用 Pandas get_dummies 以获得一个热编码的数据帧后，我已经训练（并取得了一些成功）感知器模型。

现在我想预测一个新观察的结果，它不是热编码的。

有没有办法记录get_dummies列的映射，以便重复使用？

Answer 1

据我所知，目前没有自动程序来执行此操作。在未来发布的sklearn CategoricalEncoder 将非常适合这项工作。如果您克隆 sklearn github master 分支并自己构建，您已经可以使用它了。目前我想到了2个选项：

• 使用LabelEncoder+OneHotEncoder组合，见this answer, for example；
• 只需在训练 OHE 输出后检索（并在需要时存储）列列表。然后在测试集/示例上运行pd.get_dummies。循环遍历输出测试 OHE 列，删除那些未出现在训练 OHE 中的列，并添加那些在测试 OHE 中缺失且填充为零的列。