数据泄漏：模型评估中最隐蔽的陷阱

数据泄漏指训练阶段无意中使用了预测时无法获得的信息，导致离线评估虚高，上线后效果骤降。它往往隐蔽，难以通过指标异常直接发现。

典型场景包括用未来数据构造特征，例如用全量统计均值做归一化，或把目标变量间接编码进特征。时间序列任务尤其容易踩坑。

防范泄漏的关键是严格划分训练、验证和测试集，并保证特征计算只依赖划分点之前的数据。交叉验证也要按时间或用户分组，避免同源样本跨越集合。

发现离线指标异常优秀时，应先怀疑泄漏而非庆祝。复查特征血缘和样本构造逻辑，是每个建模流程的必要环节。