Tabelas operacionais contêm medições ausentes e categorias que aparecem depois que o modelo é treinado. Um imputador numérico aprende um valor de preenchimento a partir das linhas de treinamento. Um codificador one-hot aprende um conjunto de colunas de categorias. Os dois são transformações ajustadas, então o estado aprendido deles pertence ao processo de treinamento.
Não substitua um resultado ausente pela mediana de uma variável nem ajuste um codificador separado em cada partição. Colunas de categorias diferentes podem mudar, sem aviso, o significado de um coeficiente. Os dados fictícios de clientes incluem contagens de sessões ausentes e um plano trial que aparece apenas nas entradas de teste. Você vai praticar a imputação pela média e pela mediana como alternativas explícitas e depois vai codificar planos desconhecidos sem que nada falhe. Manter os objetos ajustados visíveis facilita inspecionar as estatísticas e o contrato de categorias antes de combiná-los em um pipeline.
A imputação aprende uma estatística de treinamento para cada variável numérica. Transform aplica esses valores aprendidos somente onde faltam entradas posteriores.