Mi az a visszacsatolási szivárgás (back leakage)?

A hátsó szivárgás (back leakage) a gépi tanulás és az adatok minőségének tesztelése kontextusában olyan helyzet, amikor a jövőre vonatkozó információk kerülnek a modellbe vagy a tesztadatokba, amelyek a múltbeli adatokon alapuló tanuláshoz vagy ellenőrzéshez készültek. Ez irreálisan magas teljesítményt eredményez a modell tesztadatokon, mivel a modell lényegében "a jövőt nézi".

A hátsó szivárgás példái:

• Idősorok: A jövőbeli értékek (pl. holnapi részvényárfolyam) beépítése jellemzőkbe vagy címkékbe, hogy egy olyan modellt tanítsunk, amely a múltat vagy a jelent próbálja megjósolni.
• Szivárgás a tesztkészletből a tanulási folyamatba: Véletlenszerű adatok beillesztése a tesztkészletből a tanulási készletbe, vagy információk felhasználása a tesztkészletből a tanulási folyamat során (pl. jellemzők skálázása az egész adathalmazon alapulva, beleértve a tesztet is).
• Jellemzők generálása: Jellemzők létrehozása a későbbi adatok alapján, amelyek a predikció időpontja után gyűjtöttek.

A hátsó szivárgás következményei:

• Irreálisan magas teljesítménymutatók a tesztadatokon.
• Rossz modell teljesítmény a való életben (új, jövőbeli adatokon alkalmazva).
• Hibás következtetések a modell minőségéről.

A hátsó szivárgás megelőzése kulcsfontosságú a megbízható modellek építésében és a helyes tesztek végrehajtásában.