对整个数据集数据标准化后再划分训练集、测试集和先对训练集标准化再将规则用于测试集 的思考

Question

两个问题

1.对整个数据集数据标准化后再划分训练集、测试集和先对训练集标准化再将规则用于测试集。
2.如果是第一个种肯定会发生数据泄露，那么既然假设了训练集和测试集的分布是相近或者差不多的，那是否还有必要考虑数据泄露的事情呢？

我的考虑

如果我是对整个数据集数据标准化后再划分训练集、测试集的话那结果肯定很好，毋庸置疑。

但是如果是要预测未来数据的情况下，我无法确定未来的数据分布是否与现有数据一致的，所以是否是先标准再划分还有待考究。

有没有比较官方的说话，就是那种有论文去验证的，得到著名人士的支持的说话和结论、或者论文？