Wie behandelt man unsichtbare kategoriale Werte in Testdatensätzen mit Python?

Question

Angenommen, ich habe eine Standortfunktion. Im Zugdatensatz sind seine einzigartigen Werte "NewYork", "Chicago". Aber im Test-Set hat es "New York", "Chicago", "London". Also beim Erstellen eines Hot-Encoding wie "London" zu ignorieren? Mit anderen Worten, wie werden die Kategorien, die nur im Testset erscheinen, nicht codiert?

Answer 1

Angenommen, dies Ihre Listen

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

Basierend auf Ihrer Frage zu sein:

Wie nicht um die Kategorien zu kodieren, die nur in dem Test-Set erscheinen?

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

Diese Ausgänge NewYork & Chicago, was bedeutet London übersprungen.