数据泄漏(data leakage)是什么意思？

数据泄露就是说用了不该用的数据，比如

1. 在训练模型时，利用了测试集的数据、信息
2. 在当前使用了未来的数据
3. 在交叉验证进行调参时，使用了验证集的信息参与模型建立

具体说下第三点，比如对特征进行标准化，正确的方法应该是在训练集上标准化，然后应用到验证集上，而非先标准化，再划分验证集。再比如说，要对数据进行pca降维，应该是在训练集上pca，然后作用到验证集上，而非对整个数据集进行pca。通常都忽略了这一点。

楼上的第三点不太理解，标准化的时候，只对训练集标准化，验证集不用标准化？应用到验证集是什么意思呢？