Каковы преимущества и недостатки разделения датасета на train и test с помощью Scikit-learn?

Некоторые преимущества разделения датасета на train и test с помощью Scikit-learn:

• Объективная оценка производительности модели. sky.pro Разделение позволяет проверить, насколько хорошо модель справляется с задачей на данных, которые она не видела во время обучения. sky.pro
• Предотвращение переобучения. ru.ruwiki.ru sky.pro Переобучение происходит, когда модель слишком хорошо подстраивается под тренировочные данные и теряет способность обобщать на новые. sky.pro
• Быстрая оценка модели. ru.ruwiki.ru Разделение позволяет оценить модель без большого вычислительного overhead. ru.ruwiki.ru
• Простота реализации и понимания. ru.ruwiki.ru По сравнению с другими методами, такими как K-fold кросс-валидация, разделение проще и легче в понимании. builtin.com
• Избегание слишком сложных моделей, которые плохо обобщают на новые данные. builtin.com

Некоторые недостатки разделения датасета на train и test:

• Высокая дисперсия результатов. ru.ruwiki.ru Разные случайные разделения дают различные оценки. ru.ruwiki.ru
• Не вся информация используется для обучения, что критично при малых датасетах. ru.ruwiki.ru
• Риск несбалансированного распределения классов при простом случайном разбиении. ru.ruwiki.ru
• Возможность утечки данных при неправильной последовательности предобработки. ru.ruwiki.ru