ML-数据泄露

ML很重要的一点是避免数据泄露的风险：

1、数据预处理造成数据泄露

     在数据标准化（如StandardScaler）的时候，如果直接对所有数据（训练集+验证集/测试集）统一计算均值/方差并标准化，训练过程会隐式利用测试集分布信息，导致模型评估结果被高估，失去真实性。

 

 通用防泄露原则​：

🔒 ​黄金法则​：

• ​测试集应完全隔离​：从数据清洗、特征工程到模型训练，测试集仅能参与最终评估的predict()步骤。
• ​交叉验证的嵌套性​：任何依赖数据分布的操作（标准化、降维、特征选择等）必须在每一折的训练子集内独立完成。