AI가 모델 코드를 짰다면, 분리하기 전에 시험 자료도 전처리에 넣지 않았나요?
편집자의 의견은 점수를 믿기 전에 각 준비 단계가 어떤 자료로 규칙을 배웠는지 봐야 한다는 것입니다. 뒤늦게 자료를 나눠도 앞선 사용은 없어지지 않습니다.
scikit-learn 안내는 모델을 만드는 데 시험 정보가 쓰이면 평가가 지나치게 낙관적일 수 있다고 경고합니다. 먼저 나누고 학습 자료로 전처리 규칙을 배운 뒤 같은 변환을 두 자료에 적용하도록 권합니다.
평균에도 시험 정보가 들어갈 수 있습니다
가상 산술에서 학습값은 0·2, 별도 시험값은 100입니다. 학습 평균은 1이지만 모두 합친 평균은 34입니다. 합친 평균을 빼면 학습값은 −1·1 대신 −34·−32가 됩니다. 차이를 계산했으며 모델 학습이나 정확도를 실측하지 않았습니다.
준비 규칙을 배운 곳을 보세요
AI가 짠 코드에 대한 편집 검토 제안은 자료 분리·각 fit 단계·최종 평가를 따라가는 것입니다. 맞아 보이는 점수 출력만으로 스케일러·특징 선택 등 준비 단계가 시험 행을 사용했는지 알 수는 없습니다.
배운 변환은 일관되게 적용하세요
시험 행을 규칙 학습에서 빼라는 것이 시험 자료를 변환하지 말라는 뜻은 아닙니다. 안내는 fit과 transform을 구분합니다. 편집 권고는 모든 전처리를 오염으로 보지 말고 자료 흐름을 확인하는 것입니다.
산술 예제는 점수 보정값이 아닙니다
예제는 시험 정보가 준비 규칙에 들어가는 방식을 보여줍니다. 실제 모델 오류의 방향이나 크기를 입증하지는 않습니다. 자료가 섞였다면 점수에서 임의의 보정값을 빼지 말고 적절한 독립 평가로 다시 확인하세요.
2026년 10월 14일 발행. 현재 scikit-learn 1.9.1 안내와 자체 평균 계산을 사용한 편집 분석입니다. scikit-learn·AI 코딩 도구·모델 학습·벤치마크·운영 자료를 실행하거나 시험하지 않았습니다.