问在交叉验证中，目标变量的分布值可以用作特性吗？

EN

在与一些有经验的统计学家交谈后，这就是我所得到的。

至于论文的技术问题，我会担心数据泄漏或在当前模型中使用未来的信息。这也可能发生在交叉验证中。您应该确保每个模型只对过去的数据进行培训，并对未来的数据进行预测。我不知道他们是如何进行简历的，但这肯定很重要。防止所有泄漏源也是非常重要的。他们确实声称有一些看不见的例子，但并不清楚他们在这里写了什么代码。我不是说他们肯定会漏水，但我是说有可能发生。

这没什么不对的。如果您没有更好的信息，那么使用过去的性能(即先验概率)可以很好地工作，特别是当您的类分布非常不均匀时。

使用类优先级的示例方法是高斯最大似然分类和天真的贝叶斯。

更新

既然你在这个问题上增加了更多的细节..。

假设您正在进行10次交叉验证(保留10%的数据用于验证这10个子集中的每个子集)。如果您使用整个数据集来建立优先级(包括10%的验证数据)，那么是的，这是“欺骗”，因为10个子集模型中的每个模型都使用来自相应验证集的信息(也就是说，它不是真正的盲测试)。但是，如果只使用90%的数据重新计算每个折叠的优先级，那么这是一个“公平”的验证。

这种“欺骗”的效果的一个例子是，如果你的数据中有一个极端的离群点。通常，在k倍交叉验证中，会有一倍的异常值在验证数据中，而不是在培训数据中。在验证期间，当将相应的分类器应用于异常值时，它的性能可能会很差。但是，如果该折叠的培训数据包含全局统计(来自整个数据集)，那么异常值将影响该折叠的统计数据(先验)，从而可能导致人为的良好性能。

我同意使用这类功能没有什么不对。例如，在建模工作中，我使用了多次到达时间。然而，我注意到许多这类特性之间存在着“有趣的”协方差关系，因此您必须非常小心地在模型中使用多个分布特性。