作为第一个想法，这意味着至少您的训练集不能代表应用程序数据。测试集是否具有代表性是恕我直言，您应该仔细考虑的问题。在这种情况下，找出这些缺失的类是否是特定训练集太小的问题，或者这是否是问题/任务/应用程序的一般特征也很重要。即，以前从未遇到过的新类是否会一直出现。

原则上，我看到处理这种情况的两种可能性：

• 假设训练集肯定不具有代表性，并要求更多数据，尤其是缺失类的数据。如果您得出的结论是问题出在特定的训练集上，而不是应用程序的一般特征上，这确实是有道理的。

• 在任何情况下，知道训练数据错过了类，我会考虑使用一类分类器。即一个分类器，它独立于任何可能的其他类来对待每个类。理想情况下，一类分类器应该为尚未可用于训练的类的测试用例返回“未知类”。对于一类分类器，测试这种对属于真正未知类的案例的“拒绝”确实是有意义的。

编辑 wrt @gung 的评论：我认为训练/测试拆分是固定的，有一些希望是好的理由。