我已经训练了一个模型（随机森林），现在我想用它来预测特定日期的某些数据。我有一个分类列，其中在一段时间内有一些值（比如 a、b、c、d、e）。

现在在特定的一天，只有其中一些值存在（比如 b，d）。现在，在将它们设为 one-hot 编码时，我正在使用 LabelEncoder 和 one-hot 编码器。但是，如果我将该列用于标签编码，它只会标记“b”和“d”（比如 1 和 2），并且单热向量长度为​​ 2。

我需要将实际模型标记为 (a,b,c,d,e) 为 (1,2,3,4,5)，现在我需要将 (b,d) 标记为 (2,4 ) 并且 one-hot 向量的大小为 5。

我正在做的是保存训练中使用的标签编码器，并使用该标签编码当天的列。但我没有得到正确的结果，我做对了吗？

我已经给出了onehot_train一天n_values数据的长度。我使用了 sklearn 标签编码器和一个热编码器。

这是我的主要问题，另一个问题是，假设我看到一个我在训练期间没有看到的新类别，如何继续进行，我是否应该将所有新类别视为“未知”类别并将所有这些类别编码为一样的热还是有更好的方法？

def get_onehot(arr):
    label_enc = LabelEncoder()
    onehot_enc = OneHotEncoder(sparse=False)
    int_enc = label_enc.fit_transform(arr)
    int_enc = int_enc.reshape(len(int_enc),1)
    onehot = onehot_enc.fit_transform(int_enc)
    return onehot_train,label_enc_train

def get_onehot_per_day(arr_perday, label_enc_train, length_onehot_train):
    onehot_enc = OneHotEncoder(sparse=False,n_values=length_onehot_train)
    int_enc = label_enc_train.transform(arr)
    int_enc = int_enc.reshape(len(int_enc),1)
    onehot = onehot_enc.fit_transform(int_enc)
    return onehot_per_day