Un modelo reutilizable acepta filas sin procesar y gestiona su propia preparación aprendida. Esta serie de ejercicios mezcla los pasos de preparación por separado con pipelines de clasificación completos. Los datos ficticios contienen valores cambiados, entradas numéricas que faltan y una categoría que el entrenamiento no ha visto. Mantén explícitas las columnas seleccionadas en todo momento.
Ajusta los imputadores y los codificadores solo con la partición de entrenamiento. Las tareas de pipeline completo combinan imputación por la mediana, estandarización, codificación de categorías y regresión logística en un solo objeto. Sus salidas tienen que ser probabilidades de la clase 1, que son distintas de las etiquetas definitivas. Una transformación puede ejecutarse sin errores y aun así filtrar información de prueba en sus categorías o en sus valores de relleno. Aquí no hay métodos de preprocesamiento nuevos; aplica con cuidado los contratos anteriores mientras cambian los registros de origen y la estrategia de imputación solicitada.
La imputación aprende un estadístico de entrenamiento por cada variable numérica. Transform aplica esos valores aprendidos solo donde faltan entradas posteriores.