待验证50% 置信注意事项精确时间

在特征标准化、归一化或PCA降维时使用整个数据集（包括测试集）的统计量而非仅用训练集，会造成特征构造泄露

1

来源数

50%

置信度

长期有效

时效性

2026/8/12

首次发现

来源

金融机器学习模型为何难以评估？核心挑战与避坑指南

相关事实

已验证在划分数据集之前对全量数据做标准化会导致数据泄漏，将测试集信息泄露给训练集79% 相似待验证主成分分析（PCA）同时涉及线性代数中的特征值分解和统计学中的方差最大化76% 相似待验证数据泄露指本不应出现在训练数据中的未来信息或目标相关信息意外流入特征集，常见于时间序列误用未来特征或归一化在划分前执行69% 相似待验证数据泄漏是指测试集信息在训练阶段被模型间接看到，导致评估指标虚高，是机器学习研究中最常见也最隐蔽的方法论缺陷之一，在医疗预测领域尤为危险68% 相似待验证直接将原始节点数据投喂给大模型会迅速消耗上下文配额，并因信息噪声过多导致模型识别到错误的元素属性67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/735559

API

curl https://kongchang.com/api/v1/knowledge/claims/735559

MCP

get_claim(id=735559)