Qu'est-ce que la fuite arrière (back leakage) ?

La fuite arrière (back leakage) dans le contexte de l'apprentissage automatique et des tests de qualité des données est une situation où des informations relatives au futur entrent dans le modèle ou dans les données de test destinées à l'apprentissage ou à la vérification sur des données passées. Cela conduit à une performance irréalistement élevée du modèle sur les données de test, car le modèle, en substance, "regarde" les réponses du futur.

Exemples de fuite arrière :

• Séries temporelles : Inclure des valeurs futures d'une série temporelle (par exemple, le prix des actions demain) dans les caractéristiques ou les étiquettes pour entraîner un modèle qui doit prédire le passé ou le présent.
• Fuite du jeu de test dans l'entraînement : Inclusion accidentelle de données du jeu de test dans le jeu d'entraînement, ou utilisation d'informations du jeu de test lors du traitement du jeu d'entraînement (par exemple, la mise à l'échelle des caractéristiques basée sur les statistiques de l'ensemble des données, y compris le test).
• Génération de caractéristiques : Création de caractéristiques basées sur des données recueillies après le moment pour lequel la prédiction est effectuée.

Conséquences de la fuite arrière :

• Métriques de performance irréalistes sur les données de test.
• Mauvaise performance du modèle dans des conditions réelles (lorsqu'il est appliqué à de nouvelles données futures).
• Conclusions incorrectes sur la qualité du modèle.

Prévenir la fuite arrière est crucial pour construire des modèles fiables et effectuer des tests corrects.