默认报valueerror: found unknown categories；因handle_unknown='error'，需初始化时设handle_unknown='ignore'使未知值输出全0向量，列数不变但信息可能丢失。
OneHotEncoder遇到未知类别会报什么错
默认情况下，OneHotEncoder 在 transform() 阶段碰到训练时没见过的类别，会直接抛出 ValueError: Found unknown categories。这不是bug，是它的保守设计——它假设部署时的输入必须严格受限于训练集的类别空间。
设置 handle_unknown='ignore' 是最常用解法
这是解决未知类别的第一反应，但要注意：它只让编码器“跳过”未知值，不报错，也不生成对应列；同时，输出会变成稀疏矩阵（除非显式设 sparse_output=False）。
- 必须在初始化时就指定：
OneHotEncoder(handle_unknown='ignore', sparse_output=False) - 训练后调用
transform()时，含未知类别的样本行对应新列全为 0 - 如果后续要拼接其他特征（比如和数值列做
np.hstack），记得统一 dtype，否则可能隐式转成 object - 该设置对
inverse_transform()无效——未知类别无法还原
用 categories='auto' + handle_unknown='infrequent' 更可控
如果你其实想把低频/新出现的类别自动归为“other”，而不是全丢掉，handle_unknown='infrequent'（需配合 min_frequency 或 max_categories）更合适。它会在 fit() 阶段就识别哪些类别算“罕见”，并把它们合并到一个统一列中。
- 启用条件：scikit-learn ≥ 1.3，且必须设
categories='auto'（默认就是） - 示例：
OneHotEncoder(handle_unknown='infrequent', min_frequency=5, sparse_output=False)，表示训练中出现少于 5 次的类别全归入同一列 - 注意：该模式下
get_feature_names_out()返回的列名里会包含other后缀，比如color_other - 它不解决“完全没在训练中出现过的全新字符串”，只处理训练中存在但频次低的类别
部署前务必检查 fit 和 transform 的列顺序与缺失值
很多人以为设了 handle_unknown='ignore' 就一劳永逸，结果线上 infer 出来全是 0——原因常是：训练数据里某列为 None 或空字符串，而线上来了 'unknown' 字符串，两者被当成不同类别；或者列名传错了，transform() 输入 DataFrame 的列顺序和 fit() 时不一致，导致错位编码。
- 始终用
pd.DataFrame输入，并确保列名、顺序、缺失值表示方式（np.nanvs'NaN'）前后一致 - 上线前加一行校验：
encoder.feature_names_in_.tolist() == list(X_deploy.columns) - 对原始字符串字段，建议先做基础清洗（如
.str.strip().replace('', np.nan)），再进编码器
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！
