训练集从几张业务表合并而来，缺失值在源表里写成字符串 null 和 None 两种形式，清洗脚本只按 isna 判断，约百分之八的样本被当成有效文本送进训练，模型开始学会在输出里带 null 这个词。
一开始怀疑是「清洗只做类型转换，没有把占位值映射成空」，查了一圈，方向不对。
真正麻烦的地方在于，几个原因的现象几乎一样。源表用字符串 null 表示缺失，isna 识别不到。另一种情况是不同表的缺失标记不统一，有 None 也有大写 NULL。
还有一种情况，统计缺失率用了另一套规则，两边口径对不上。
先统计各列的缺失标记分布
python -c "import pandas as pd;d=pd.read_csv('train.csv');print(d.apply(lambda s: s.astype(str).isin(['null','None','NULL','nan']).sum()))"接着统一把占位值映射成真正的空值
python -c "import pandas as pd;d=pd.read_csv('train.csv',keep_default_na=False);d=d.replace({'null':None,'NULL':None,'None':None});print(d.isna().sum())"然后按缺失比例决定丢弃还是保留
python drop_missing.py --max-ratio 0.05 --report末了重跑清洗并核对样本数与缺失率
python pipeline.py --stage label --report rows,missing改完先别撤，确认这几项。字符串形式的缺失值全部被识别，缺失率与源库统计一致，训练样本里不再出现 null 这个字面量。
补一句。缺失值不是一种写法而是一组写法，读入时关掉默认推断再显式映射，比事后补规则省事。这类问题最好一次改到位，反复小改反而容易把原因搅混。