מילון מושגים
Data Leakage — דליפת נתונים באימון/הערכה
נקרא גם: דליפת נתונים · דליפת נתונים באימון · דליפה בנתונים · Data Leakage · Target Leakage · Label Leakage · Train-Test Contamination · זיהום נתוני מבחן · המודל ראה את המבחן · תוצאות טובות מדי
הסבר פורמלי#
לפי תיעוד scikit-learn, data leakage מתרחשת כאשר משתמשים בבניית המודל במידע שלא היה זמין בזמן התחזית, מה שיוצר הערכות ביצועים אופטימיות מדי וביצועים גרועים יותר בנתונים חדשים. סיבה נפוצה היא ערבוב בין נתוני אימון לנתוני בדיקה, ובגלוסרי של Google מוגדרת "דליפת תווית" כתכונה שהיא פרוקסי לתווית. דליפה כזו מקלקלת את ההערכה של Generalization.
הסבר בגובה העיניים#
כמו תלמיד שראה את שאלות המבחן מראש: הציון מעולה אך לא מעיד על ידע. אצל מודל, אם נתוני הבדיקה השפיעו על האימון או שקיימת עמודה שחושפת את התשובה, התוצאה נראית טובה ונופלת בשימוש אמיתי.
למה זה חשוב בפועל#
כשמוצגים נתוני דיוק גבוהים באופן חשוד, שאלו איך חולקו הנתונים, מתי, ומה היה ידוע בזמן התחזית. הפרדה בין אימון לבדיקה לפני כל עיבוד היא הכלל הבסיסי.
תגיות#
- data-leakage
- evaluation
- train-test-split
- machine-learning