Tivia
发布：2026-10-29 · TIVIA
人工智能训练师三级备考中，刷题后能讲清楚原因，比只记一个选项更有用。今天用一个自拟小例子，练习识别数据泄漏。
先检查：评估数据有没有参与学习？
数据泄漏会让离线评估显得过于乐观。一种常见情况是：先用全部数据计算预处理参数，再切分训练集与测试集。测试集的信息提前参与了训练过程。
以需要学习均值和标准差的标准化为例：先划分数据，在训练集上拟合参数，再用同一套参数转换测试集。不要在测试集上重新拟合。技术依据见文末 scikit-learn 官方文档。
自拟例子：两张成绩表怎么处理？
假设训练表只有两条分数：60、80；测试表只有一条分数：100。训练表均值是70，全部数据的均值是80。如果为了处理训练表而先算全部数据的均值，测试表就已经影响了预处理参数。
这个例子仅用于解释信息流向，不是官方真题，也不建议用三条数据评价模型效果。
一分钟自测
判断：为了让训练集、测试集处理方式一致，应分别在两份数据上拟合标准化器。
答案：错误。处理规则应一致，参数应从训练集学习。测试集沿用这些参数进行转换。复盘时写下“参数从哪里来”，再说明为什么不能使用测试集拟合。
把概念写进复习记录
今天可以写一条三栏笔记：①容易混淆的操作；②信息流向；③正确操作顺序。第二天遮住答案，重新解释例子。如果解释不清，再回看相关概念，而不是连续背同一句结论。
TIVIA 提供人工智能训练师三级备考学习入口，可从官网免费理论练习开始，按题目反馈整理自己的错因。免费页面为固定练习样本，不代表完整题库或考试命中率；是否购买完整版，请先看产品说明和授权范围。
免费练习：https://tivia.cn/practice/theory.html
备考资料：https://tivia.cn/guides/strategy/
技术参考：scikit-learn 官方文档：Common pitfalls / Data leakage（核验日期：2026-10-29）。本文为 TIVIA 产品方发布的学习资料，使用 AI 辅助整理并核对技术来源，不作通过考试或提分承诺。