我想做一些带有交叉验证的预处理（缩放，特征工程，例如目标编码）。我知道，最好的方法和理论上正确的方法是针对交叉验证的每个训练/测试步骤分别对数据进行预处理。
但是，我使用的是H2O，除非我没有记错，否则它不允许我创建预处理管道。
h2o documentation page on target encoding提供了一种变通方法，可以避免训练折痕泄漏到验证折痕：“目标平均值是根据折折数据计算出来的，以防止过度拟合。”因此，对给定折页进行的预处理会从此折页中排除数据。
在我看来，这避免了从训练样本到测试样本的泄漏，但事实并非如此。
我可以安全地使用此变通方法（通过#observations >> #features提供），还是应该寻找另一个允许预处理管道的框架（或手动进行交叉验证）？
答案 0 :(得分：0)
为防止过度拟合，可以将hold_out参数的训练集设置为“ KFOLD”，将测试集的参数设置为“ None”。
有关更多详细信息，我建议重点关注“目标编码”文档的Holdout Type部分。