[LAB 21 · 研究收束：让划分对应新样本](/course/notebooks/dab894ab6e7e445f9fd05331529ee632.html)

# 已完成的基准运行
[独立阅读](/course/notebook-blocks/2808d2d9691f4492a32d74b6ab87a431.html)
按问题继续

采集批次泄漏、随机/分组划分、两个基线的实测对照

## 已完成的基准运行

以下保留2026-09-22本地独立 Python 进程的实际标准输出。当前整理没有重跑；Notebook 的云端执行记录与这份本地标准输出分开解释。

```
random sample split {'ntrain': 180, 'ntest': 60, 'overlapping_groups': 12, 'batch_mean_RMSE': 0.7821631194429031, 'x_only_RMSE': 2.3574347161692795}
new batch split {'ntrain': 180, 'ntest': 60, 'overlapping_groups': 0, 'batch_mean_RMSE': 2.115187164028426, 'x_only_RMSE': 1.798035324219997}
claim tested: does low random-split error predict performance in unseen acquisition groups?

```

先比较组重叠，再解释RMSE。随机划分中“批次均值”可能很好，是因为测试批次在训练中已出现；新批次的默认均值通常失效。x基线也未必足够好，因为目标仍含未知偏置。不能因此宣布x无用，也不能仅换复杂网络就假定问题解决。

把自己的研究改写为一个具体契约：预测时真正可取得哪些输入？新样本指新个体、新地点还是新时间？最简单而强的基线是什么？哪个分组必须整体留出？只有先固定这些问题，LAB01的冻结读出、LAB02的微调、LAB10的定位或LAB13的条件生成才有可比较的含义。下一步仅把偏置标准差3改成0，检验划分差距是否缩小；这是能改变本例解释的反证。不要将这组构造数据的单次RMSE推广为现实效应大小。