Tabel operasional berisi pengukuran yang hilang dan kategori yang muncul setelah model dilatih. Imputer numerik mempelajari nilai pengisi dari baris data latih. One-hot encoder mempelajari sekumpulan kolom kategori. Keduanya adalah transformasi hasil fit, sehingga keadaan yang dipelajarinya menjadi bagian dari proses pelatihan.
Jangan mengganti hasil yang hilang dengan median fitur dan jangan fit encoder terpisah pada setiap partisi. Kolom kategori yang berbeda dapat mengubah makna sebuah koefisien tanpa disadari. Data pelanggan fiktif ini mencakup jumlah sesi yang hilang dan paket trial yang hanya muncul di input uji. Anda akan berlatih imputasi dengan rata-rata dan median sebagai alternatif yang eksplisit, lalu meng-encode paket yang tidak dikenal tanpa kegagalan. Dengan objek hasil fit yang tetap terlihat, Anda lebih mudah memeriksa statistik dan kontrak kategori sebelum menggabungkannya dalam pipeline.
Imputasi mempelajari satu statistik data latih untuk setiap fitur numerik. Transform menerapkan nilai-nilai yang dipelajari itu hanya di tempat input berikutnya hilang.