fit方法只能在训练数据上运行，因其本质是学习数据模式并更新模型参数；在测试集上调用fit会导致信息泄露，严重高估模型性能。
fit 方法只能在训练数据上运行
因为 fit 的本质是「学习数据中的模式」，它会修改模型内部参数（比如线性回归的系数、决策树的分裂规则）。测试集的作用是模拟模型从未见过的新数据，一旦你在测试集上调用 fit，就等于让模型偷偷“偷看”了答案，后续评估结果将严重高估真实性能——这不是 bug，是根本性逻辑错误。
常见误用场景和错误现象
典型错误包括：把 X_test 和 y_test 传给 model.fit(X_test, y_test)；或在交叉验证中误将验证折当作训练折重新 fit。实际报错不一定立刻出现（有些模型如 StandardScaler 甚至允许你对测试集调用 fit），但结果完全失效——比如 StandardScaler.fit(X_test) 会算出错误的均值/标准差，导致后续 transform 失真。
- 分类器（如
LogisticRegression）通常会报ValueError: Found array with 0 sample(s)或维度不匹配，因为测试集没标签或格式不对 - 预处理器（如
StandardScaler、OneHotEncoder）可能静默执行，但缩放/编码逻辑全错，下游预测崩坏 - 管道（
Pipeline）里若在test上调fit，整个流程的训练-测试边界彻底失效
fit / transform / predict 的分工必须严格
记住三件事：
-
fit只能对训练数据调用一次（或在训练集的子集上，如 CV 中的每折） -
transform（对预处理器）或predict（对模型）才用于测试集——它们复用fit学到的参数，不更新模型 - 如果要用测试集做某种适配（比如在线学习），那它就不是“测试集”，得重定义为新训练数据，并另起评估流程
例如：scaler.fit(X_train).transform(X_test) 正确；scaler.fit(X_test) 错误；model.fit(X_train, y_train).predict(X_test) 正确；model.fit(X_test, y_test) 错误。
立即学习“Python免费学习笔记（深入）”；
容易被忽略的隐式 fit 行为
有些操作表面没写 fit，实则触发了它。比如：
- 用
cross_val_score(model, X, y, cv=5)时，model是未拟合的实例，内部会自动对每折训练子集调fit——你绝不能提前对整个X调fit - 调用
GridSearchCV前传入已fit的模型，会报NotFittedError，因为它要求模型干净可重复拟合 - 用
pipeline.fit(X_train, y_train)后，再对X_test单独调scaler.fit_transform，就破坏了 pipeline 的封装逻辑
真正危险的不是语法报错，而是代码跑通了却得出虚假结论——尤其当测试集分布和训练集接近时，误差可能不明显，但泛化能力判断完全失准。
