Python

一个分类器在交叉验证中得到较高分数，还需要问：它是否只是碰巧利用了这批样本的标签排列？permutation_test_score 保持特征与验证方案不变，反复打乱标签，形成“标签与特征无关联”时的分数对照。下面用人工合成数据执行一次教学检验。

同一批预测可以得到两种不同准确率：普通准确率每条样本权重相同，加权准确率会按事先定义的样本权重重新汇总。下面训练一个总预测多数类的教学模型，逐项核对正确数、权重和分母，说明数值差异从哪里来。

GridSearchCV 与 RandomizedSearchCV 都可以为分类器选超参数，但“哪个更好”必须先对齐搜索预算与交叉验证。下面让二者都评估9个候选、每个候选做同样3折验证，再比较它们探索了哪些参数与得到的验证分数。

预测未来7天累计结果时，一行训练样本的标签需要等到未来第7天才能确定。只按行日期把较早记录放进训练集，可能把验证开始之后才完成的标签带进去。下面给每条样本记录标签结束日期，并在每轮验证前剔除跨界训练行。

同一用户留有多条记录时，随机按行划成多折，会让同一用户同时出现在训练与验证。若目标是预测新用户，GroupKFold 可以让每一折的用户集合互不交叉，并让每位用户轮流进入验证折。下面同时输出折内分数和用户交集检查。

交叉验证中的泄漏常发生在划分之前：先用整张表计算缺失值的填补中位数，再把已经填好的数据送入交叉验证，验证折的信息已参与预处理。把 SimpleImputer 和分类器装进同一条 Pipeline，逐折拟合并核对中位数，才能检查这一步的边界。

OCR 已返回文字和矩形坐标后，双栏文章如果只按 y 坐标排序，会变成“左第一行、右第一行、左第二行、右第二行”。下面用六个虚构文字框重建“先左栏，再右栏”的阅读顺序，并列出需要人工复核的版面情况。

比较两版 AI 草稿时，只看最后一版容易遗漏被删掉的条件。先按句子切分旧稿与新稿，再输出逐句的保留、删除和新增位置，让编辑返回原文核对“为什么改”；本例专门发现一个金额条件从第二版消失。

“不要退款，只查物流”里同时出现“退款”和“查物流”；智能体如果只扫关键词，就可能错误发起退款。先把禁止动作、请求动作和需要澄清的双重否定分开，再拿短句测试。测试通过仍不等于允许执行真实业务动作。

实体识别训练数据常把连续文本片段转成 B-ORG、I-ORG 等逐词标签。关键不是随意给词打标，而是先确认字符偏移与分词边界完全对齐：一个实体可跨多个词，冲突或半个词的片段必须退回修订。