المعالجة المسبقة دون تسرب

import numpy as np
train = np.array([[1.0, 10.0], [3.0, 10.0], [5.0, 10.0]])
future = np.array([[7.0, 10.0]])
mean = train.mean(axis=0)
scale = train.std(axis=0)
scale = np.where(scale == 0, 1.0, scale)
transformed = (future - mean) / scale
print(mean.tolist())
print(np.round(transformed, 3).tolist())

[3.0, 10.0]
[[2.449, 0.0]]

يحدد التدريب المتوسط والمقام ويستخدم الثابت سياسة الواحد.

import numpy as np
train = np.array([[1.0, np.nan], [3.0, 4.0], [np.nan, 6.0]])
future = np.array([[np.nan, 100.0], [5.0, np.nan]])
medians = np.nanmedian(train, axis=0)
assert np.isfinite(medians).all()
filled = np.where(np.isnan(future), medians, future)
print(medians.tolist())
print(filled.tolist())

[2.0, 5.0]
[[2.0, 100.0], [5.0, 5.0]]

وسيطا التدريب اثنان وخمسة ويبقى المئة مرصودا ويعوض الغائب فقط.