交差検証のリーケージを防ぐ

全データで計算した平均やスケールを検証フォールドへ漏らさずに済む。

全データで計算した平均やスケールを検証フォールドへ漏らさずに済む。

問題の要件では、各訓練フォールド内で前処理の統計量を計算するが解決する範囲と、別の工程が担う範囲を分けて判断する。

重複した対象が両方へ入ると、未知データ性能を過大評価する。

重複した対象が両方へ入ると、未知データ性能を過大評価する。

問題の要件では、同じ顧客やほぼ同じ記録が訓練と検証へ分かれないようにするが解決する範囲と、別の工程が担う範囲を分けて判断する。