Pipeline 防泄露的关键在于每折交叉验证时独立拟合：cross_val_score 和 GridSearchCV 会为每 fold 重建 pipeline 并仅用当前训练子集拟合预处理器，确保 StandardScaler、SimpleImputer 等不泄露验证数据信息。
Pipeline 本身不会自动防泄露，真正起作用的是它和 cross_val_score 或 GridSearchCV 配合时的调用方式——每折交叉验证都独立执行 fit，预处理器只看到当前 fold 的训练数据。
cross_val_score 调用时，Pipeline 每折独立 fit
cross_val_score 不是简单地把数据切开扔给已拟合的模型；它会在每一 fold 内部重建 pipeline 并调用 pipe.fit(X_train_fold, y_train_fold)。这意味着：
-
StandardScaler的fit只基于当前 fold 的训练子集，均值和方差不掺杂其他 fold 数据 -
SimpleImputer的填充策略（如用中位数）也仅从当前 fold 计算，不会“偷看”验证样本的分布 - 即使你用了
ColumnTransformer，只要它被包在 pipeline 顶层，同样受此机制保护
常见错误是提前调用 pipe.fit(X_train, y_train)，再传进 cross_val_score——这时 scaler 已用全部训练数据拟合，后续 transform 实际引入了“未来信息”。
GridSearchCV 中 pipeline 必须作为 estimator 直接传入
GridSearchCV 的安全前提是：它内部会为每个参数组合、每个 CV fold 重新实例化并拟合整个 pipeline。所以：
立即学习“Python免费学习笔记（深入）”；
- ✅ 正确：
GridSearchCV(pipe, param_grid, cv=5) - ❌ 错误：
pipe.fit(X_train, y_train); GridSearchCV(pipe, param_grid)
后者会让所有参数尝试共享同一套 scaler 参数，等于把验证折统计量固化进了预处理逻辑。验证是否安全？检查 cv<em>results</em>['param_scaler__with_mean'] 是否随参数变化而变化；若恒定，说明 scaler 没被重拟合。
ColumnTransformer 必须嵌套在 Pipeline 顶层，不能单独 fit
很多人想先对数值列标准化、类别列 one-hot，就单独写：
ct = ColumnTransformer([...], remainder='passthrough')
X_preprocessed = ct.fit_transform(X_train) # 危险！全局拟合
pipe = Pipeline([('model', LogisticRegression())])
cross_val_score(pipe, X_preprocessed, y_train, cv=5)
这完全破坏 fold 隔离：ct.fit_transform 用全部 X_train 计算统计量，验证折的 transform 实际依赖了“自己”的信息。正确做法是把 ColumnTransformer 当作 pipeline 的第一步：
pipe = Pipeline([
('preproc', ColumnTransformer([...], remainder='passthrough')),
('model', LogisticRegression())
])
cross_val_score(pipe, X_train, y_train, cv=5) # 安全
关键点不是“用了 Pipeline”，而是“谁在什么时候调用了 fit”。哪怕只有一行 scaler.fit_transform(X_train) 在 CV 外面，整个评估就不可信。
