Τι είναι η επιστροφή διαρροής (back leakage);

Η επιστροφή διαρροής (back leakage) στο πλαίσιο της μηχανικής μάθησης και των δοκιμών ποιότητας δεδομένων είναι μια κατάσταση όπου πληροφορίες που σχετίζονται με το μέλλον εισέρχονται στο μοντέλο ή στα δεδομένα δοκιμής που προορίζονται για εκπαίδευση ή επαλήθευση σε παλαιότερα δεδομένα. Αυτό οδηγεί σε μη ρεαλιστικά υψηλή απόδοση του μοντέλου στα δεδομένα δοκιμής, καθώς το μοντέλο, ουσιαστικά, "κοιτάζει" τις απαντήσεις από το μέλλον.

Παραδείγματα back leakage:

• Χρονικές σειρές: Περιλαμβάνοντας μελλοντικές τιμές μιας χρονικής σειράς (π.χ., η τιμή μετοχής αύριο) στα χαρακτηριστικά ή τις ετικέτες για την εκπαίδευση ενός μοντέλου που πρέπει να προβλέψει το παρελθόν ή το παρόν.
• Διαρροή από το σύνολο δοκιμών στο training: Τυχαία εισαγωγή δεδομένων από το σύνολο δοκιμών στο σύνολο εκπαίδευσης ή χρήση πληροφοριών από το σύνολο δοκιμών κατά την επεξεργασία του συνόλου εκπαίδευσης (π.χ., κλιμάκωση χαρακτηριστικών βάσει στατιστικών ολόκληρου του συνόλου δεδομένων, συμπεριλαμβανομένων των δοκιμών).
• Δημιουργία χαρακτηριστικών: Δημιουργία χαρακτηριστικών βάσει δεδομένων που συλλέγονται μετά τη χρονική στιγμή για την οποία γίνεται η πρόβλεψη.

Οι συνέπειες του back leakage:

• Μη ρεαλιστικά μετρικά απόδοσης στα δεδομένα δοκιμής.
• Κακή απόδοση του μοντέλου σε πραγματικές συνθήκες (όταν εφαρμόζεται σε νέα, μελλοντικά δεδομένα).
• Λανθασμένα συμπεράσματα σχετικά με την ποιότητα του μοντέλου.

Η πρόληψη του back leakage είναι κρίσιμη για την κατασκευή αξιόπιστων μοντέλων και τη διεξαγωγή σωστών δοκιμών.