我目前正试图说服我的同事，他进行特征选择的方法导致数据泄漏，我需要帮助。

他们使用的方法如下：他们首先对所有变量运行一个随机森林，得到特征重要性度量；均值降低准确度。然后，他们删除所有在此度量上得分较低的变量并重新运行森林，并将袋外错误率报告为模型的错误。

他们认为，由于 MeanDecreaseAccuracy 度量是使用引导程序和袋外记录计算的，因此没有数据泄漏。我试图让他们相信，由于变量重要性度量使用所有数据（在袋子记录中构建树和在袋子记录中以获得准确性降低），如果他们使用此措施在此进行特征选择，则存在数据泄漏方式。

我对他们的解决方案是，如果他们想进行特征选择，他们不能使用袋外错误度量，他们必须设置适当的交叉验证拆分并仅在训练集上执行特征选择。

我在这里不正确吗？谁能想到我可以向我的同事展示的令人信服的论点（示例或论文）？