数据集划分和预处理的顺序

数据集是先做预处理呢，还是先划分训练集测试集呢？

应该先划分数据集，理论上训练集和测试集是相互独立的。
想要让模型效果达到很好的泛化能力，就是能应对一切没有见过的挑战，这些挑战就是测试集中给出的，在训练集里并没有见过的，而在测试集里出现了；
要是在划分数据集前做了预处理，那么就会把测试集里的信息带入了训练集，可能最终的效果（对测试集的预测正确率）会有所提升，但其实模型并没有达到很好的泛华效果，不能很好的应对新来的数据；
所以应该先划分数据集，然后分别对训练集和测试集做预处理，，作为两个独立的单元，没有信息的交融。