H2O GBM预测出现未训练分类级别警告的相关问题咨询

3.22.0.1及更早版本的H2O GBM不支持自动处理训练阶段未出现的分类级别。该版本下分类特征的取值水平会在训练时固定，测试集出现未训练的新类别时仅会抛出你收到的对应警告，新类别样本的预测计算会出现异常，最终导致预测结果偏差。

该能力在H2O 3.26.0.1版本正式上线，覆盖GBM、随机森林等主流树模型，新版本默认会将预测阶段出现的未知分类级别分配到独立的处理分支，不会再抛出无效警告，也不会破坏正常的预测逻辑。

• 优先升级H2O版本：如果业务环境无兼容限制，直接将H2O升级到3.26.0.1及以上版本，无需额外代码改造即可自动处理未知分类级别问题
• 训练前做类别归并：如果暂时无法升级，可在训练数据预处理阶段，将出现频率低于自定义阈值的分类取值统一合并为Other类，提前收纳罕见类别，降低测试集出现新类别的概率
• 预测前做类别校验映射：预测阶段先校验所有分类特征的取值，遇到训练集未覆盖的新类别时，手动映射为训练集已有的Other类或者对应特征下占比最高的类别后，再传入模型执行预测
• 显式配置处理参数：升级到3.26.0.1及以上版本后，可在训练时显式给h2o.gbm()方法设置参数handle_unknown_categoricals = "Keep"，明确要求模型保留未知分类级别的独立处理逻辑，进一步避免预测偏差

内容的提问来源于stack exchange，提问作者Frank001