模型考试拿到近乎满分，先别急着叫好：如果整理数据时让它提前看见了测试集，就像考前见过题。Yang 与 Zhao 复现一项慢性肾病分类研究，用含 400 条记录、24 个预测变量的 UCI 数据集，先封存 30% 样本，再让缺失值填补、编码、标准化和特征选择只从训练数据学习，避免“数据泄漏”。
在这套控制下，表现最好的流程仍取得 0.9869 的重复交叉验证准确率，在封存样本上为 0.9833。不过，重新把“挑选最佳流程”也纳入评估后，准确率降至 0.9845，比原先低 0.0095，说明选模型这一步本身也会带来乐观偏差。更值得警惕的是，只看哪些字段缺失，ROC 面积——衡量区分两类能力的指标——就达到 0.85 至 0.88。
作者因此认为，高分不只来自泄漏，也高度依赖贴近诊断的化验、尿检变量及缺失模式。这仍只是锁定的历史内部样本，不是临床验证；能否用于新患者，还要靠外部、前瞻性评估。