简而言之，正确的做法是使用您在训练集上找到并使用的缩放/预处理参数，并将它们应用于您的测试集。这样做的动机是，你应该能够处理那些带着他们想要预测的新观察来找你的人。您将能够使用您的训练集预处理参数预处理该单个观察。

我将讨论您提出的一些问题：

虚拟变量： 这可能需要您setdiff()在 R 中使用来查找哪些列在您的训练集中但不在您的测试集中，然后在您的测试集中创建一个列，其中包含一列零。这是最简单的方法，但它非常依赖于数据/目的。您可能还想更改此设置或根据您使用的建模技术寻找更好的选项。

Min/Max Normalize： 当您缩放训练集时，保存每列的最小值和最大值，并使用这些参数（不是测试集的最小值/最大值）缩放测试集。

PCA： 当您对训练集执行 PCA 时，您将根据在训练集上计算的旋转来转换数据。你想在你的测试集上执行那些预先计算好的旋转。退房?predict.prcomp。这将向您展示如何将您的旋转从您的训练集应用到您的测试集。

如果您的测试数据中存在您在训练数据中没有看到的因子水平，那么严格来说，您无法预测这些观察结果的任何内容。您可以通过额外的假设来克服它，但恐怕除了放弃之外没有其他通用解决方案。

类似的考虑可能适用于其他情况。你愿意做样本外预测吗？您的模型中有哪些基本假设而不是使其成为可能？这些假设在其他方面起什么作用，这些对你的结果有很大影响吗？

话虽如此，我同意 TBSRounder 的观点。您必须使用与您为训练数据应用的转换完全相同的转换。