Verified65% confidenceCautionExact time
若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力
3
Sources
65%
Confidence
Long-term
Relevance
7/13/2026
First Seen
Sources
深度学习数据归一化：全局统计 vs 逐图归一化实践指南
redditr/deeplearning7/9/2026
Related Claims
Unverified若将验证集或测试集数据纳入 fit，会造成数据泄露，导致模型评估结果过于乐观84% similarUnverified部分模型存在针对测试集过度优化的风险，导致榜单分数与真实场景表现出现偏差（Benchmark饱和）81% similarUnverified数据泄漏分为目标泄漏和训练-测试污染两类，会导致模型性能被系统性高估80% similarUnverified基准饱和指当模型性能提升到一定程度后，基准测试不再能够有效区分不同模型之间的能力差异79% similarVerified双重下降现象表明，当模型参数量远超数据量时，测试误差反而可能再次下降79% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/498071API
curl https://kongchang.com/api/v1/knowledge/claims/498071MCP
get_claim(id=498071)