建模数据预处理流程中的核心原则：任何用于数据转换的参数（无论是用于填充的统计量，还是用于缩放的均值/标准差）都必须仅从训练集中学习得到。然后，将这些学习到的参数应用到训练集和测试集（以及未来的新数据）上。A 选项在整个数据集上计算参数，会将测试集的信息泄漏到训练过程中。C 选项对训练集和测试集使用不同的参数进行转换，会导致两个数据集的特征分布和尺度不一致，模型在测试集上的表现将不可靠。D 选项的顺序是错误的。如果先缩放，缺失值的位置会影响缩放参数的计算；并且，在缩放后再用均值/中位数填充，填充的值（例如0，对于StandardScaler）可能与原始分布中的真实均值/中位数代表的意义完全不同。因此，标准的流程是先填充，后缩放。
