数据泄露是机器学习中的一个关键问题，即测试集中的信息无意中影响了训练过程，导致准确率指标虚高，无法反映真实世界的性能。这通常发生在对整个数据集进行拆分（训练集和测试集）之前，就计算均值（用于插补）或标准差（用于缩放）等预处理步骤。为防止这种情况，预处理步骤必须仅在训练数据上进行拟合，然后用于转换训练集和测试集，确保在学习阶段测试集保持不可见。 AI
影响 通过防止性能指标虚高，确保模型能更好地泛化到真实世界数据。
排序理由 该条目讨论了机器学习研究和实践中的一个技术概念和常见陷阱。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
