博客园· 大雾的小屋·· 8 天前AI 评分67
数据泄漏的隐蔽来源:预处理做在数据划分之前导致离线评估虚高
手把手教你:数据泄漏的隐蔽来源,预处理做在了划分之前|AI工程师踩坑实录·第7篇 - 大雾的小屋
AI 导读
作者用 digits 手写数字构造不平衡数据集做控变量实验,证明在全集上做 SMOTE 过采样再划分会让离线宏 F1 虚高 4.2 个点。正确做法离线 0.926、线上 0.786,泄漏组离线 0.968、线上 0.819,落差约 15 个点。
来源:博客园 · cnblogs.com