資料科學團隊在模型訓練前，需對數值特徵進行正規化（Normalization）或標準化（Standardization）。為確保模型評估結果具真實性並避免資料洩漏（Data Leakage），下列何者為最適當的作法？
iPAS 考題解析
資料科學團隊在模型訓練前，需對數值特徵進行正規化（Normalization）或標準化（Standardization）。為確保模型評估結果具真實性並避免資料洩漏（Data Leakage），下列何者為最適當的作法？
- A. 於資料分割前，先對完整資料集計算統計量並進行標準化處理
- B. 先分割訓練資料（Training Data）和測試資料（Test Data），並各自獨立計算統計量後進行標準化
- C. 先分割訓練資料（Training Data）和測試資料（Test Data），僅以訓練資料計算統計量，再套用至測試資料 ✓ 正確答案
- D. 僅對訓練資料（Training Data）進行標準化處理，測試資料（Test Data）保持原始數值
詳細解析
為避免資料洩漏，應先分割資料，再僅使用訓練資料計算標準化的統計量（如均值、標準差），然後將相同的統計量套用到測試資料上。這樣測試資料的評估才能真實反映模型的泛化能力。
出題年份：115 難度：★★☆