Կարո՞ղ եք հիշել դեպք, երբ տվյալների արտահոսք է եղել մոդելի ուսուցման ժամանակ:

Այո, տվյալների արտահոսքը (data leakage) մոդելի ուսուցման ժամանակ հաճախ հանդիպող խնդիր է, երբ այն տեղեկատվությունը, որը իրական կիրառման պայմաններում հասանելի չէ, մտնում է ուսուցման տվյալների մեջ։ Սա հանգեցնում է ավելորդ հարմարվելու և որակի բարձր գնահատականի։

Օրինակ՝ վարկային ռիսկի կանխատեսման ժամանակ, ուսուցման հավաքածուում կարող է լինել մի հատկանիշ, որը ուղղակիորեն կապված է վարկի տրամադրման որոշման հետ (օրինակ՝ հաստատման կարգավիճակ), որը իրական կյանքում հայտնի չէ կանխատեսման պահին։

Տվյալների արտահոսքը կանխելու համար կարևոր է՝

• հստակ տարբերել ուսուցման և փորձարկման տվյալները ժամանակի կամ այլ չափանիշների հիման վրա։
• բացառել այն հատկանիշները, որոնք պարունակում են տեղեկատվություն նպատակային փոփոխականի կամ ապագա իրադարձությունների մասին։
• կատարել մանրամասն վերլուծություն հատկանիշների և բիզնես տրամաբանության մասին։

Практиկայում ես հանդիպել եմ արտահոսքի, երբ ժամանակային շարքերի հետ աշխատելիս, ապագայի տվյալները պատահականորեն մտել են ուսուցման հավաքածու, ինչը հանգեցրել է անիրական բարձր մետрикների։