如何使用python处理测试数据集中看不见的分类值？

Question

假设我有位置功能。在训练数据集中，它的唯一值是“NewYork”、“Chicago”。但在测试集中，它有“NewYork”、“Chicago”、“London”。那么在创建一种热编码时如何忽略“伦敦”？换句话说，如何不对只出现在测试集中的类别进行编码？

Answer 1

假设这是您的列表

train_data = ['NewYork', 'Chicago']
test_set = ['NewYork', 'Chicago', 'London']

根据你的问题：

如何不对只出现在测试集中的类别进行编码？

for each in test_set:
    if filter(lambda element: each in element, train_data):
        print each

这输出NewYork& Chicago，这意味着London被跳过。