这在我看来完全正常。

在一天结束时，预测分数（或概率）应该代表一个实例为正的可能性，因此人们期望在最高预测分数中正实例的比例尽可能高。

特别是数据集可能包含易于正确分类为正面的实例，因此模型在逻辑上捕获此类模式并为实例分配高分。这甚至可能是由某些特定值直接暗示正面实例的一些特征引起的，但这并不一定意味着存在任何数据泄漏：如果这些信息在特征中“合法”可用，则没有理由该模型不使用它。所以唯一的问题是任务是否设计得当，但通常这不能从数据中推断出来。

是否有某种二项式检验来检查异常情况的可能性？

有一些测试可以检查这种情况是否偶然发生的可能性，但在这种情况下它们没有意义：根据定义，分类器预测的分数不是随机的（至少它们不应该是随机的），因此显着性测试将明确拒绝原假设。这也不能证明任何数据泄漏，这正是我们对分类器的期望。换句话说，如果分类器给出的分数真的是随机的，那么分类器就不会完成它的工作，它的性能会很糟糕。