論智2018-06-12 17:07:59不太清楚你說的“不匹配”具體指的是什麼。
如果你的意思是訓練集和測試集差異過大，換句話說，資料分佈不同。那麼這實際上是一個
過擬合
（
overfitting
）問題。解決過擬合問題，常用的應對手段就是
加資料
和
正則化
。
（過擬合，圖片來源：維基百科）
如果你指的是分類編碼不匹配，換句話說，就是訓練集和測試集中的類別變數的取值不匹配——比如，訓練集分類貓、狗，測試集中除了貓、狗之外，還可能有鵝。這取決於你的分類編碼方法。如果你是把動物的種類編碼成
潛向量
（
latent vector
），那麼這個不匹配通常並不是問題。如果你是
one-hot
編碼，那麼你可以對齊（align）或者連線（concat）一下訓練集和測試集，不過，最佳實踐是在預處理資料階段就做好準備。比如，在pandas下使用`CategoricalDtype`：
import pandas as pd
animals_train = pd。DataFrame（{“種類”： Series（［“貓”， “狗”］）。astype（pd。api。types。CategoricalDtype（categories=［“貓”， “狗”， “鵝”］））}）
注意`astype`之後的部分。這樣處理之後one-hot編碼的時候就自然而然是齊整的。
當然，沒有銀彈。因為訓練集上沒有動物是鵝，所以模型對鵝完全是未知的，跑在測試集上，對鵝的預測表現會很差。
