feat: add training preprocessing and model routing

README.md

@@ -37,6 +37,8 @@ tech-architecture/  技术架构报告与本地 Mermaid 资源
 - SQLite 骨架：`materials` 与 `experiments` 两张核心表，支持外键约束与实验记录往返。
 - 训练数据接口：从外部数据平台的 `material_records` 表只读加载记录，并分离元信息、特征和目标。
 - 目标拆分接口：按分类/回归任务组织 `is_cut_through`、`etching_depth` 等实验结果。
+- 训练预处理：数值特征采用中位数填补与标准化，类别特征采用众数填补与独热编码；未知类别在推理时安全忽略。
+- 模型分派：连续目标默认路由至 GPR，布尔目标默认路由至随机森林分类器。
 - 工程配置：`pyproject.toml` 统一依赖、pytest 与 Ruff 配置。
 
 后续将按架构报告逐步补齐 DoE 生成、CSV 交换、设备采集、建模管线和推理服务。