我正在尝试使用sci-kit learn生成并测试分类变量的模型。我感兴趣的是在插入数据之后和随机森林之前，使用one-hot encoder函数在sklearn管道中对这些分类变量进行编码。
estimator = Pipeline([
("imputer", Imputer(missing_values='NaN', strategy="median",axis=0)),
("dummy", OneHotEncoder(categorical_features=np.where(mask), handle_unknown = 'ignore')),
("forest", RF())])
培训工作正常，但当我尝试在新数据上测试生成的模型时遇到了麻烦。此问题可能存在的分类变量不受限制，并且并非所有可能的分类变量都显示在训练数据集中。因此，可能存在包含模型从未见过的分类变量的测试数据，由于尺寸不匹配导致预测过程中的崩溃。
作为一个具体的例子，假设我正在训练的一个功能是fruit_name。该模型培养了许多各种水果的例子，包括香蕉，苹果和橙子。 fruit_name在管道中是单热编码的。但是，假设我的测试数据包含模型以前从未见过的fruit_name，例如kiwi。然后，测试数据将有一个额外的列到训练数据。或者，说测试数据实际上不包含香蕉，苹果或橙子。然后它将有更少的列到训练数据。无论哪种方式，模型测试都会崩溃。
如何使用sklearn管道处理分类变量的此问题？