小白一枚，按飞桨官方“零基础实践深度学习”教程，学习波士顿房价预测。有段做数据归一化处理求每列最大值，最小值，平均值的代码：
--------------------------------------------------------------------------
def load_data():
# 从文件导入数据
datafile = './work/housing.data'
data = np.fromfile(datafile, sep=' ')
# 每条数据包括14项，其中前面13项是影响因素，第14项是相应的房屋价格中位数
feature_names = [ 'CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', \
'DIS', 'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV' ]
feature_num = len(feature_names)
# 将原始数据进行Reshape，变成[N, 14]这样的形状
data = data.reshape([data.shape[0] // feature_num, feature_num])
# 将原数据集拆分成训练集和测试集
# 这里使用80%的数据做训练，20%的数据做测试
# 测试集和训练集必须是没有交集的
ratio = 0.8
offset = int(data.shape[0] * ratio)
training_data = data[:offset]
# 计算训练集的最大值，最小值，平均值
maximums, minimums, avgs = training_data.max(axis=0), training_data.min(axis=0), \
training_data.sum(axis=0) / training_data.shape[0]
# 对数据进行归一化处理
for i in range(feature_num):
#print(maximums[i], minimums[i], avgs[i])
data[:, i] = (data[:, i] - minimums[i]) / (maximums[i] - minimums[i])
# 训练集和测试集的划分比例
training_data = data[:offset]
test_data = data[offset:]
return training_data, test_data
---------------------------------------------------------------
这里很是疑惑的地方，求每列最大值，最小值，平均值，用的数据集是训练数据集training_data = data[:offset]，为何不是全部的数据集呢？
特意查了下min-max标准化，这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。按官方给的代码取80%训练集求得min-max,那test_data应该会有问题！
求解！
训练时求各种指标当然得用训练集啊，怎么能泄露验证集数据的信息呢？
泄露验证集信息给模型，验证集的意义就打折扣了，会被过拟合的
我最后确认下，代码上写的，是用training_data求得的最大值、最小值去对全部数据集data做归一化，training_data只是取的80%的data，这肯定会有问题吧，data剩余的20%数据可能存在比之前最大值还大或最小值还小的情况，也就是存在归一化处理后，得到的数据不在0~1的范围内。
我理解的有没有问题
对，训练时就只用训练集（training_data）里那80%的数据，以及这些数据计算出来的参数。
如果用到了训练集以外的数据，甚至验证集、测试集的数据，那就叫数据泄露了。验证集、测试集的意义也就没有了。
训练时，就是当验证集数据不存在的。否则就看不出过拟合了