ks检验训练集和测试集的分布差异性

另外ks在kaggle上被用于训练集和测试集的分布差异性的量化比较，如果分布差异非常大，很显然这样的特征会导致特征偏移的问题，如果这个特征恰好又特别重要，将大大降低模型的泛化能力，然而在实际应用中，我发现我们在做交叉验证的时候也会发生这种情况，比如用80%的训练集数据作为新训练集，20%的数据作为开发集，也会发生特征迁移的问题，这个时候我们其实也可以事先用ks来检验，我称之为特征分布不稳定问题，比如：
ks具体解释和应用