您能否构建一个使用测试集规范化特征同时避免数据泄漏的模型？
Can you build a model that normalises FEATURES using the test set while avoiding data leakage?
我就是想不通这个。
我了解到：
- 使用测试集对目标变量进行归一化会使用有关测试集中该目标变量的信息。这意味着一旦我们收到 new 测试集（没有可用的目标变量），我们就会得到无法复制的膨胀性能指标。
但是，当我们收到新的测试集时，我们 有可用的预测变量。使用这些来规范化有什么问题？是的，预测变量包含 与目标变量相关 的信息，但这实际上是使用模型进行预测的定义，我们使用预测变量中的信息来获得对目标的特定预测。为什么它不能内置到模型定义中，它在预测之前使用输入数据进行标准化？
性能指标，当然，不会有偏差，因为我们只是使用来自预测变量的信息。
是的，测试集应该是 'unseen'，但实际上，肯定只有 测试集目标变量 是看不见的，而不是预测变量。
我已经阅读了相关内容，到目前为止的答案是模糊的，只是重复说测试集是看不见的，我们获得了有关测试集的信息。我真的很感激为什么我们不能使用 特别是预测变量 的答案，因为我认为目标案例很明显。
提前致谢！！
离开并思考我的问题 - 也对训练集上的数据进行归一化 - 我意识到这没有多大意义。归一化不是训练的一部分，但是我们在训练之前做的事情，因此使用测试集特征进行归一化是一个很好的想法，但是我们必须去训练这个归一化数据训练集的结果。我最初认为“对更多数据进行归一化”>“对较少数据进行归一化”但实际上我们会在一组（训练+测试）上进行归一化，然后适应另一组（训练）。结果可能得到一个训练更差的模型，所以我认为这是一个愚蠢的想法！
我就是想不通这个。
我了解到：
- 使用测试集对目标变量进行归一化会使用有关测试集中该目标变量的信息。这意味着一旦我们收到 new 测试集（没有可用的目标变量），我们就会得到无法复制的膨胀性能指标。
但是，当我们收到新的测试集时，我们 有可用的预测变量。使用这些来规范化有什么问题？是的，预测变量包含 与目标变量相关 的信息，但这实际上是使用模型进行预测的定义，我们使用预测变量中的信息来获得对目标的特定预测。为什么它不能内置到模型定义中，它在预测之前使用输入数据进行标准化？
性能指标，当然，不会有偏差，因为我们只是使用来自预测变量的信息。
是的，测试集应该是 'unseen'，但实际上，肯定只有 测试集目标变量 是看不见的，而不是预测变量。
我已经阅读了相关内容，到目前为止的答案是模糊的，只是重复说测试集是看不见的，我们获得了有关测试集的信息。我真的很感激为什么我们不能使用 特别是预测变量 的答案，因为我认为目标案例很明显。
提前致谢！！
离开并思考我的问题 - 也对训练集上的数据进行归一化 - 我意识到这没有多大意义。归一化不是训练的一部分，但是我们在训练之前做的事情，因此使用测试集特征进行归一化是一个很好的想法，但是我们必须去训练这个归一化数据训练集的结果。我最初认为“对更多数据进行归一化”>“对较少数据进行归一化”但实际上我们会在一组（训练+测试）上进行归一化，然后适应另一组（训练）。结果可能得到一个训练更差的模型，所以我认为这是一个愚蠢的想法！