我知道，插补缺失值恰恰是听起来的意思，我说的是用列均值插补。在将数据分为训练和测试之前，我通常会插补缺失值，但后来我看到QnA表示
警告：如果要将其用于机器学习/数据科学：从数据科学的角度来看，先替换NA然后拆分为训练并测试是错误的……您必须首先拆分为训练并测试，然后在火车上用平均数代替NA，然后应用此状态预处理模型进行测试，请参见下面涉及sklearn的答案！ – Fabian Werner，19年8月28日，9：18
那是什么意思？我们能做到吗？以及我们该怎么做？在拆分数据之前或之后进行操作之间有什么区别吗？如果是，为什么？请帮助我理解，因为我对这件事很困惑。
答案 0 :(得分：1)
是的，这是正确的陈述。首先，您应该将数据分为训练数据和有效/测试数据，计算训练数据的平均值并将其应用于有效/测试数据。
实际上，这与任何基于数据本身的处理有关。 如果对整个数据集进行计算和转换，则会将信息泄漏到数据中。但是我们希望有一个正确的验证，因此有效/测试数据集应该像训练一样处理