Encoder et mettre à l'échelle sans fuite

La règle d'or

Définitions minimales (détaillées au Ch13 mia-formulation) : train = données qui apprennent (médianes, moyennes, modalités), test = données réservées qui jugent une seule fois. Tout s'apprend sur train, puis s'applique à val/test. Sinon le test contamine le train et vos scores mentent.

med = train["poids_kg"].median()
train["poids_kg"] = train["poids_kg"].fillna(med)
test["poids_kg"] = test["poids_kg"].fillna(med)  # même med, pas celle du test

Échelle et catégories

Standardisation (x - mean) / std pour distances et gradients, one-hot pour catégories sans ordre, cible encodée seulement sur train. En pratique on mettra tout cela dans un Pipeline sklearn : le Ch13 mia-pipelines-sans-fuite (mia-formulation) montre pourquoi c'est obligatoire, pas confortable.