测试集不能参与任何训练逻辑，因为会引发数据泄露，导致评估虚高、泛化能力误判；预处理须仅在训练集fit，测试集仅transform，推荐使用Pipeline强制隔离。
用 train_test_split 划分数据时，为什么测试集不能参与任何训练逻辑？
因为只要测试集的标签、特征或统计信息（比如均值、标准差）被用于模型拟合、参数选择或特征工程，就会造成数据泄露——模型间接“看到”了测试数据，导致评估结果虚高，无法真实反映泛化能力。
实操建议：
- 所有预处理（如
StandardScaler.fit_transform()）必须只在训练集上调用fit和transform；对测试集仅调用transform - 避免在划分前做全局归一化或缺失值填充（例如
df.fillna(df.mean())），这等价于用全量数据估计分布 - 使用
sklearn.pipeline.Pipeline能强制隔离训练/测试流程，推荐作为默认做法
用 learning_curve 看训练集大小对性能的影响，怎么看拐点？
learning_curve 返回训练得分和验证得分随训练样本数变化的曲线。拐点不是指曲线变平，而是指验证得分停止上升、甚至开始下降，同时训练得分持续高于验证得分且差距拉大——这是过拟合的典型信号。
关键细节：
- 横轴是训练样本数量（非比例），所以需注意数据量是否足够支撑观察趋势
- 默认使用 5 折交叉验证，若数据少，可设
cv=3避免单折失效；但cv=2不推荐，方差太大 - 当训练得分 ≈ 1.0 且验证得分卡在 0.7 左右不再提升，大概率是模型复杂度过高或特征噪声大
示例片段：
from sklearn.model_selection import learning_curve
train_sizes, train_scores, val_scores = learning_curve(
estimator=clf,
X=X_train, y=y_train,
train_sizes=[0.2, 0.4, 0.6, 0.8, 1.0],
cv=5, scoring='accuracy'
)
用 validation_curve 扫描超参时，训练分和验证分的 gap 多大算危险？
没有绝对阈值，但当验证得分比训练得分低 **10% 以上**（例如训练 0.95 → 验证 0.82），且该 gap 随超参增大而快速扩大，基本可判定为过拟合。反过来，如果两者都低（如都卡在 0.6），则是欠拟合。
常见误判点：
- 只看最高验证分对应的超参，忽略 gap 趋势：选一个稍低但 gap 小的参数，往往泛化更稳
- 扫描范围不合理：比如对
RandomForestClassifier.max_depth从 1 扫到 100，前几层可能全是欠拟合，最后几层突然崩塌，中间的“甜点”容易被跳过 - 未重采样：分类任务中若类别不均衡，
scoring='f1_weighted'比默认'accuracy'更能暴露问题
为什么 cross_val_score 单看平均分不够，还要看标准差？
标准差大（比如 0.85 ± 0.12），说明模型在不同数据子集上表现波动剧烈，很可能受个别难样本或数据划分方式影响严重——这不是稳定过拟合或欠拟合，而是模型鲁棒性差，常出现在小数据集或高方差模型（如深度树、kNN 小 k）上。
对比场景：
- 欠拟合模型：cv 得分低 + 标准差小（如 0.62 ± 0.03），说明它始终学不好，但很“老实”
- 过拟合模型：cv 得分中等偏高 + 标准差大（如 0.78 ± 0.11），说明它在某些折上死记硬背成功了，换一组就崩
- 理想情况：得分高 + 标准差小（如 0.89 ± 0.02），这时再结合 learning curve 确认是否还有提升空间
真正容易被忽略的是：即使 cross_val_score 看着不错，如果验证集上 classification_report 显示某类召回率接近 0，那它只是在 majority class 上“假装优秀”。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
