1
Amy 原创整理｜资料核验：2026-10-29
scikit-learn 官方文档提醒：数据泄漏不只来自把答案放进特征，也可能发生在标准化、缺失值填补和特征筛选阶段。如果先用全部数据学习这些处理规则，再划分训练与测试集，测试信息已经参与训练。
正确顺序是先划分数据；只在训练集上 fit 或 fit_transform，在测试集上使用同一转换器的 transform。Pipeline 可以把预处理和模型连起来，尤其适合交叉验证时管理这些步骤。
Amy 的检查清单：每个“计算均值”“筛选特征”“学习填补值”的步骤，标出它看过哪些样本。若看过测试集，就重新评估。这里讨论实验流程，不承诺改动后分数一定上升。