Machine learning 为什么sklearn插补器需要匹配？

我对机器学习这门课很陌生，我正在上一门关于这门课的在线课程。在本课程中，讲师展示了以下代码：

imputer = Inputer(missing_values = 'Nan', strategy = 'mean', axis=0)
imputer = Imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])

我真的不明白为什么这个输入对象需要

匹配
。我的意思是，我只是想用列mean替换掉我的列中缺少的值。从我对编程所知的一点来看，这是一个非常简单的迭代过程，不需要一个需要训练数据才能完成的模型

有人能解释一下这个插补器是如何工作的，以及为什么它需要培训来用列平均值替换一些缺失的值吗？
我读过sci工具包的文档，但它只是展示了如何使用这些方法，而不是为什么需要它们

谢谢。
插补器用数据的一些统计数据（例如，平均值、中值等）填充缺失的值。
为了避免交叉验证期间的数据泄漏，它在
fit
期间计算序列数据上的统计信息，在
转换
期间将其存储并用于测试数据

来自sklearn.preprocessing导入插补器的

obj=输入者（策略=‘平均’）
对象匹配（[[1,2,3]，[2,3,4]]
打印（对象统计）
#数组（[1.5,2.5,3.5]）
X=对象变换（[[4，np.nan，6]，[5，6，np.nan]]
打印（X）
#数组（[[4,2.5,6.]，
#        [ 5. ,  6. ,  3.5]])

如果您的训练和测试数据相同，可以使用
fit\u transform
一次完成这两个步骤

X=obj.fit_变换（[[1,2，np.nan]，[2,3,4]]
打印（X）
#数组（[[1,2,4.]，
#        [ 2. ,  3. ,  4. ]])

此数据泄漏问题很重要，因为数据分布可能会从训练数据更改为测试数据，并且您不希望测试数据的信息在拟合期间已经存在

有关详细信息，请参阅文档。
回答得好。请举例说明这一点，你是好的。