labelencoder不支持测试集出现新类别，会报错；应改用ordinalencoder（handle_unknown="use_encoded_value"）或onehotencoder（handle_unknown="ignore"），并保存复用同一编码器实例。
训练集有类别、测试集出现新类别时 LabelEncoder 会报错
直接用 LabelEncoder 分别对训练集和测试集编码，测试集里一旦出现训练集没见过的类别，fit_transform() 或 transform() 就会抛出 ValueError: y contains previously unseen labels。这不是 bug，是设计使然——LabelEncoder 本就不支持泛化到未见标签。
- 别在测试集上单独调用
fit_transform()，这是最常见错误 - 训练集编码后，测试集必须只用同一个已拟合的
LabelEncoder实例调用transform() - 但即使这样，只要测试集含新类别，依然报错；所以它根本不适合处理开放类别场景
用 sklearn.preprocessing.OrdinalEncoder 的 handle_unknown="use_encoded_value"
这是目前最稳妥的替代方案。它允许你把未知类别统一映射到一个固定整数（比如 -1），且能批量处理多列分类变量。
- 初始化时设
handle_unknown="use_encoded_value"和unknown_value=-1 - 只对训练集调用
fit()，测试集只调用transform() - 注意：
OrdinalEncoder默认对每列独立编码，无需手动循环列 - 输出是二维数组，若需一维结果（如单列目标变量），得用
reshape(-1)
from sklearn.preprocessing import OrdinalEncoder enc = OrdinalEncoder(handle_unknown="use_encoded_value", unknown_value=-1) X_train_encoded = enc.fit_transform(X_train) X_test_encoded = enc.transform(X_test) # 新类别自动变 -1
测试集新类别太多时，OneHotEncoder 配合 handle_unknown="ignore" 更合适
当新类别频繁出现、且你不想让它们全挤进同一个“-1”桶里（比如影响模型判别力），独热编码 + 忽略未知更合理。它不会报错，也不会引入额外数值，只是对应列全为 0。
-
handle_unknown="ignore"是关键开关，缺它就报错 - 务必提前用
categories="auto"（默认值）让编码器记住训练集所有类别 - 测试集里新类别不会生成新列，原列全填 0，保持特征维度一致
- 注意返回的是稀疏矩阵，常需转成稠密：
toarray()
from sklearn.preprocessing import OneHotEncoder ohe = OneHotEncoder(handle_unknown="ignore", sparse_output=False) X_train_ohe = ohe.fit_transform(X_train) X_test_ohe = ohe.transform(X_test) # 新类别 → 对应列全为 0
线上部署时，必须保存并复用同一个编码器实例
训练时拟合好的 OrdinalEncoder 或 OneHotEncoder 实例，必须序列化（如用 pickle 或 joblib）并在推理时加载。每次重新初始化再 fit()，等于重置规则，线上数据立刻出错。
- 别用
json存编码器——它不支持自定义对象序列化 -
joblib.dump(enc, "encoder.joblib")比pickle更高效，尤其对大型稀疏结构 - 加载后务必验证：用训练集样本跑一遍
transform()，确认输出 shape 和 dtype 不变
类别不一致不是数据质量问题，而是现实常态。关键不在“怎么强行对齐”，而在选对编码器、关对开关、存对实例——漏掉任一环，模型上线第一天就可能崩在 transform() 上。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
