请参阅缺失数据的平均值插补，以使用平均值插补数据中的缺失值。
在下面的例子中，x是一个特征，表示为preprocessing_fn中的tf.SparseTensor，为了将其转换为稠密Tensor，我们计算其均值，并将均值设置为示例中缺失时的默认值。
回答您的第三个问题，TensorFlow变换会将变换构建到模型的TensorFlow图中，以便在训练和推理时执行相同的变换。对于您提到的用例，下面的插补示例将起作用，因为如果未指定default_value参数，则会设置索引的值。如果未设置default_value参数，则默认为零。
示例代码：

def preprocessing_fn(inputs):
  return {
      'x_out': tft.sparse_tensor_to_dense_with_shape(
          inputs['x'], default_value=tft.mean(x), shape=[None, 1])
  }