CV-leak nədir və onun mənbələri hansılardır?

CV sızıntısı (Kross-Təsdiqləmə sızıntısı) — bu, kross-təsdiqləmə prosesində modelin test hissəsindən məlumat aldığı vəziyyətdir, bu da modelin keyfiyyətinin şişirdilmiş qiymətləndirilməsinə və ümumi qabiliyyətinin zəifləməsinə səbəb olur.

Əsas CV sızıntısı mənbələri:

• Xüsusiyyətlərin sızıntısı (Feature leakage): birbaşa və ya dolayı olaraq hədəf dəyişən haqqında məlumat saxlayan xüsusiyyətlər, məsələn, gələcək məlumatlardan istifadə edilərək yaradılmış xüsusiyyətlər.

• Zaman ardıcıllığının pozulması: zaman seriləri ilə işləyərkən, gələcək məlumatlar təlim nümunəsinə daxil olur.

• Yanlış məlumat bölməsi: müxtəlif foldlarda əlaqəli obyektlərin olması (məsələn, eyni istifadəçi və ya sessiya məlumatları), bu da məlumat sızıntısına səbəb olur.

• Bütün nümunələr üzərində hesablanmış, yalnız təlim hissəsinə aid olmayan, toplanmış məlumatların istifadəsi.

CV sızıntısını qarşısını almaq üçün, məlumatların bölünmə sxemini diqqətlə planlaşdırmaq, düzgün əvvəlcədən emal metodlarından istifadə etmək və test məlumatlarının təlimə daxil olmasını qarşısını almaq lazımdır.