My Machine Learning Pipeline Cheated, and Cross-Validation Never Noticed

一个基于数据类型（dtype）的机器学习流水线在处理合成数据时未能检测到四个数据泄露陷阱，导致交叉验证得分（0.979）远高于新数据得分（0.564）。作者通过添加四个修复措施（将 region 作为分类变量、检测缺失值信号、解析日期字段、删除泄露的 customer_id 列）后，交叉验证与新数据得分最终达成一致（0.833 和 0.826）。