待验证60% 置信事实精确时间

在 train/test split 之前对整个数据集做 StandardScaler 归一化会导致测试集的均值和方差信息渗透进训练集，构成数据泄露

2

来源数

60%

置信度

长期有效

时效性

2026/8/25

首次发现

来源

一个分母引发的数据泄露：量化论文中的隐蔽陷阱

涉及实体

数据泄露concept StandardScalerconcept

相关事实

已验证该案例中的问题根源是数据划分存在数据泄漏，随机分配把近乎重复的表单模板同时放到了训练集和回归测试集两侧79% 相似待验证域偏移指测试数据分布与训练数据分布不一致的情形。78% 相似待验证样本级泄露指多个增强样本来自同一原始样本时，若未按原始个体划分而是随机切分，同一实体信息会同时出现在训练集和验证集中76% 相似已验证基准被刷爆（saturation）是指测试集的题目或解法已被模型训练数据覆盖，导致高分不再代表真实能力76% 相似待验证泛化鸿沟的本质是数据复用偏差（data reuse bias）：同一批训练数据被反复使用更新参数，导致模型逐渐拟合训练集的噪声而非真实分布76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/800821

API

curl https://kongchang.com/api/v1/knowledge/claims/800821

MCP

get_claim(id=800821)