Как избежать «подводных камней» машинного обучения: руководство для академических исследователей

Для поиска статей ещё хорошо идёт Semantic Scholar

scaler_train = MinMaxScaler()

scaler_train.fit(X_train)
scaler_train.fit(X_test)

X_train_norm = scaler_train.transform(X_train)
X_test_norm = scaler_train.transform(X_test)

plt.scatter(X_train_norm[:,0], X_train_norm[:,1], c=y_train, label='Train', alpha=0.2)
plt.scatter(X_test_norm[:,0], X_test_norm[:,1], c=y_test, marker='x', label='Test')
plt.title('Правильно нормализованный датасет')
plt.legend()

А разве scaler_train.fit(X_test) после трейна тут не лишнее?🧐

ps Спасибо за статью, интересно почитать

Вы уверены, что в тесте МакНемара нужно использовать Union, а не Intersect? Ведь мы ищем результаты, которые находятся одновременно в двух множествах, а не хотя бы в одном из двух.