Um modelo reutilizável aceita linhas brutas e cuida da própria preparação aprendida. Esta lista de exercícios mistura as etapas de preparação isoladas com pipelines de classificação completos. Os dados fictícios contêm valores alterados, entradas numéricas ausentes e uma categoria que o treinamento não viu. Mantenha as colunas selecionadas explícitas o tempo todo.
Ajuste os imputadores e os codificadores somente com a partição de treinamento. As tarefas de pipeline completo combinam imputação pela mediana, padronização, codificação de categorias e regressão logística em um único objeto. As saídas precisam ser probabilidades da classe 1, que são diferentes dos rótulos definitivos. Uma transformação pode rodar sem erros e ainda assim vazar informações de teste para as categorias ou para os valores de preenchimento. Aqui não há métodos de pré-processamento novos; aplique com cuidado os contratos anteriores enquanto os registros de origem e a estratégia de imputação solicitada mudam.
A imputação aprende uma estatística de treinamento para cada variável numérica. Transform aplica esses valores aprendidos somente onde faltam entradas posteriores.