df = pd.read_csv(파일경로)

df.head()

def check_scaler_fitted_on_train_only(X_train, scaler):
    # 훈련 데이터의 평균과 분산이 스케일러의 평균과 분산이 일치하는지 확인하는 함수를 구현하세요. (일치하면 True, 아니면 False 반환)
    if np.allclose(np.mean(X_train), scaler.mean_) and np.allclose(np.std(X_train), scaler.scale_):
      return True
    else:
      return False
    raise NotImplementedError

#d
scaler = StandardScaler()
scaler.fit(num_features)

try:
    if not check_scaler_fitted_on_train_only(num_features_train, scaler):
        print("전처리 중에 누수가 있습니다.")
    else:
        print("전처리 중에 누수가 없습니다.")

except Exception as e:
    print(f"구현 중에 오류가 발생했습니다: {e}")

def check_overlap_between_splits(df_train, df_test):
    #훈련 데이터와 테스트 데이터 간의 중복 샘플을 탐지하는 함수를 구현
    merged = pd.merge(df_train, df_test, how='inner', indicator=True)
    if merged['_merge'].value_counts()['both'] > 0:
      return True
    else:
      return False
    raise NotImplementedError

def remove_overlap_between_splits(df_train, df_test):
    #테스트 데이터에서 훈련 데이터와 겹치는 샘플들을 제거하는 함수를 구현
    df_test = df_test[~df_test.isin(df_train).all(1)]
    return df_test
    raise NotImplementedError

try:
    if check_overlap_between_splits(X_train, X_test):
        print("중복된 샘플이 존재해 누수가 있습니다.")
    else:
        print("중복된 샘플이 존재하지 않아 누수가 없습니다.")

except Exception as e:
    print(f"구현 중에 오류가 발생했습니다: {e}")

def check_leaky_features(num_features, threshold=0.2):
    # 누수가 의심되는 피처들을 탐지하는 함수를 구현하세요. (상호정보량이 임계값보다 높은 피처들 반환)
    # 상호정보량은 sklearn의 mutual_info_classif를 활용하며, 임계값이 0.2이상 이면 누수가 의심스러운 피처로 판단할 수 있습니다.
    mutual_info = mutual_info_classif(num_features, y_train)
    leaky_features = num_features.columns[mutual_info > threshold]
    return leaky_features
    raise NotImplementedError

leaky_features = check_leaky_features(num_features_train)

try:
    if len(leaky_features) > 0:
        print(f"누수가 의심되는 피처가 존재합니다: {leaky_features}")
    else:
        print("누수가 의심되는 피처가 존재하지 않습니다.")

except Exception as e:
    print(f"구현 중에 오류가 발생했습니다: {e}")