Model yang dapat dipakai ulang menerima baris mentah dan menangani sendiri persiapan yang dipelajarinya. Set latihan ini mencampur langkah persiapan yang terpisah dengan pipeline klasifikasi lengkap. Data fiktifnya berisi nilai yang berubah, input numerik yang hilang, dan satu kategori yang belum pernah dilihat saat pelatihan. Pertahankan kolom yang dipilih secara eksplisit sepanjang proses.
Latih imputer dan encoder hanya pada partisi pelatihan. Tugas pipeline lengkap menggabungkan imputasi median, standardisasi, encoding kategori, dan regresi logistik dalam satu objek. Outputnya harus berupa probabilitas kelas 1, yang berbeda dari label kelas yang tegas. Sebuah transformasi bisa berjalan tanpa error namun tetap membocorkan informasi uji ke dalam kategori atau nilai pengisinya. Tidak ada metode preprocessing baru di sini; terapkan kontrak sebelumnya dengan cermat sementara catatan sumber dan strategi imputasi yang diminta berubah.
Imputasi mempelajari satu statistik data latih untuk setiap fitur numerik. Transform menerapkan nilai-nilai yang dipelajari itu hanya di tempat input berikutnya hilang.