OrdinalEncoder中handle_unknown='use_encoded_values'作用及用法咨询

核心含义 #

use_encoded_value是OrdinalEncoder的关键参数，用于定义模型遇到训练阶段未出现过的未知类别时的填充规则，目的是避免因未知类别导致的运行报错，提升模型对新数据的兼容性。

是否需要传入编码值参数？ #

• 当use_encoded_value设为True时，必须配套指定unknown_value参数，明确未知类别对应的编码值；
• 若保持默认值False，则无需额外传编码值，此时遇到未知类别会直接抛出错误。

用法实例 #

实例1：默认行为（不处理未知类别） #

from sklearn.preprocessing import OrdinalEncoder
import numpy as np

# 训练数据仅包含三类动物
X_train = np.array([['cat'], ['dog'], ['bird']])
encoder = OrdinalEncoder()
encoder.fit(X_train)

# 测试数据含未知类别'fish'
X_test = np.array([['cat'], ['fish']])
# 执行transform会直接报错，因为默认不支持未知类别
# encoder.transform(X_test)

实例2：指定固定值填充未知类别 #

from sklearn.preprocessing import OrdinalEncoder
import numpy as np

X_train = np.array([['cat'], ['dog'], ['bird']])
# 初始化编码器，指定未知类别用-1填充
encoder = OrdinalEncoder(use_encoded_value=True, unknown_value=-1)
encoder.fit(X_train)

X_test = np.array([['cat'], ['fish'], ['dog']])
encoded_result = encoder.transform(X_test)
print(encoded_result)
# 输出：[[0.] [-1.] [1.]]

实例3：用训练集最大编码值+1作为填充值 #

from sklearn.preprocessing import OrdinalEncoder
import numpy as np

X_train = np.array([['cat'], ['dog'], ['bird']])
encoder = OrdinalEncoder()
encoder.fit(X_train)
# 训练集最大编码值为2（对应bird），设置填充值为3
encoder = OrdinalEncoder(use_encoded_value=True, unknown_value=encoder.categories_[0].size)

X_test = np.array([['fish'], ['bird']])
encoded_result = encoder.transform(X_test)
print(encoded_result)
# 输出：[[3.] [2.]]

内容的提问来源于stack exchange，提问作者Remian-Feral