我正在尝试创建一个模型，其中训练和测试数据集是分开的。它们具有相同数量的列。当我尝试对分类特征进行编码时，OneHotEncoder创建的矩阵具有不同的大小，所以我无法预测我的测试数据，因为特征的数量不同。
两个 Dataframe 具有相同的列数

one_hot= OneHotEncoder()
transformer= ColumnTransformer([("one_hot",one_hot,categorical_features)],
                              remainder="passthrough")

train_transformed_X = transformer.fit_transform(pd.DataFrame(bigdata_zeros,columns=categorical_features))
train_transformed_X_test=transformer.fit_transform(pd.DataFrame(bigdata_test_zeros,columns=categorical_features))

字符串
然后我建立我的模型

model = RandomForestRegressor()
model.fit(train_transformed_X,y_train)

型
然后我想看看有测试数据的预测

model.predict(train_transformed_X_test)

型
但我得到了以下错误

ValueError: X has 256 features, but RandomForestRegressor is expecting 268 features as input.

型
当我检查train_transformed_X和train_transformed_X_test时，我可以看到它们的大小不同。
我尝试创建一个机器学习模型，训练和测试数据是分开的