我认为这个问题是不言自明的。但是，假设您有一个具有分类数据的一些特征的数据，并且在构建例如 XGBoost 的模型时，您一次性对分类特征进行编码。现在您想使用保存的模型根据测试数据进行预测。显然，测试数据需要进行一次热编码，并且需要具有与训练集相似的特征。问题是是否有可能找到一种方法而不是 one-hot 对测试数据进行编码并直接将其用于预测？这有可能吗？
在我看来，我保存的模型中的任何内容都需要与训练期间使用的一样，即一次性编码特征！但这并不整洁，尤其是在构建小部件和仪表板时！
任何评论/提示表示赞赏。
模型建立在一组特定的特征上，其中可能包括使用单热编码编码的分类特征。如果您有带有其他类别的新数据，您的模型不知道如何解释这些类别的重要性。您应该将新值映射到训练中识别的任何1-hot 值，或者映射到“其他”值。
例如，假设您对颜色=[blue,green] 的数据进行了训练。您的 one-hot 字段将具有 color_blue 和 color_green。您还可以有一个名为 color=other 的字段，您可以使用它来编码非常罕见的值。这是数据准备的选择。因此，对于“红色”，您可以将其编码为：
或者
使用这些技术中的任何一种都可以与 xgboost 一起使用，但由于 xgboost 只接受数字输入，因此您必须选择其中一种方法作为数据预处理步骤。
由于它的帖子很旧，因此此回复可能对其他人有所帮助。
确实，某些算法接受分类格式的数据并在内部转换为 OneHotEncoding。在这种情况下，模型接受原始格式的数据并且不需要任何显式转换处理。
如果不支持，我们必须保存两个模型，即
以更简单的方式，我们也可以将相关模型保存在单个文件中。参考下面的代码片段：
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import OneHotEncoder
import pickle as pk
import pandas as pd
import numpy as np
df = pd.read_csv(<"Some_file.csv">) #replace with actual csv file
X = df['Features']
y = df['Labels']
file = open("models.pkl", "wb")
encoder = OneHotEncoder(sparse=False)
oneHotEncodedFeature = encoder.fit_transform(X[<'Categorical_feature'>].values.reshape(-1,1))
pk.dump(encoder, file) #dumping Encoder model
# Some processing for concatenating oneHotEncodedFeature with other features and assume it its X again.
linReg = LinearRegression()
linReg.fit(X,y)
pk.dump(linReg, file) #dumping linear Reg. model
file.close() #Create single pickle file, which has both the trained model.
#For prediction
file = open("models.pkl", "rb")
trained_encoder = pk.load(file) #Pickle file first load the OneHotEncoder
trained_model_for_prediction = pk.load(file) #Reading same pickle again will load the trained Linear Reg Model.