หน่วยงานรัฐกำลังวิเคราะห์คำร้องบริการประชาชน: ทีมเติมค่าที่หายด้วยค่าเฉลี่ยจากข้อมูลทั้งหมดก่อนแบ่ง train/test ข้อใดเหมาะสมที่สุด
กลบ test set แล้วรายงานคะแนน train
ขแบ่งข้อมูลก่อน แล้วเรียนรู้ค่าเติมจาก train ภายใน pipeline
คเติมค่าจากทุกชุดได้เสมอ
งใช้ค่าเฉลี่ยจาก test เพราะใหม่กว่า
เฉลยอธิบาย
พารามิเตอร์ preprocessing ต้องเรียนรู้จาก train เท่านั้นเพื่อไม่ให้ข้อมูล test รั่วเข้าสู่การฝึก ตัวเลือกอื่นละเลยลำดับเวลา การแยกข้อมูล ความหมายทางสถิติ หรือผลกระทบในการใช้งานจริง แหล่งอ้างอิงทางการ: https://scikit-learn.org/stable/common_pitfalls.html