teradataml.automl.auto_classifier.AutoClassifier.get_transformed_data = get_transformed_data(self, data, use_loaded_models=False)

DESCRIPTION:
    Get the transformed data generated during the execution using
    data transformation parameters generated during the fit phase.
    
PARAMETERS:
    data:
        Required Argument.
        Specifies the dataset to be transformed.
        Types: teradataml DataFrame
    
    use_loaded_models:
        Optional Argument.
        Specifies whether to use loaded models for transformation.
        Default Value: False
        Types: bool
        
RETURNS:
    Dictionary of teradataml DataFrames containing transformed test data.
    Notes:
        * If Data Preparation is skipped during fit, the returned dictionary 
          contains transformed data after feature engineering phase with key 
          "pe_test".
        * If both feature engineering and data preparation are skipped during fit,
          the returned dictionary contains raw input data with id column with key 
          "raw_data_with_id".
        
RAISES:
    TeradataMlException, TypeError, ValueError
 
EXAMPLES:
    # Create an instance of the AutoML called "automl_obj" by referring 
    # "AutoML()" or "AutoRegressor()" or "AutoClassifier()" or
    # "AutoFraud()" or "AutoChurn()" or "AutoCluster()" method.
 
    # Example 1: Get transformed data after performing AutoML fit.
    # Perform fit() operation on the "automl_obj".
    >>> transformed_data = automl_obj.get_transformed_data(admissions_train)
    >>> transformed_data
 
    # Example 2: Get transformed data after performing AutoML load.
    # Perform load models from the specified table.
    >>> transformed_data = automl_obj.get_transformed_data(admissions_train, use_loaded_models=True)
    >>> transformed_data