რა არის CV-leak და რა წყაროებია მისი?
sobes.tech AI
პასუხი AI-სგან
CV-ის გაჟონვა (კროს-ვალიდაციის გაჟონვა) — ეს არის სიტუაცია, როდესაც კროს-ვალიდაციის პროცესში მოდელი იღებს ინფორმაციას მონაცემების ტესტური ნაწილისგან, რაც იწვევს მოდელის ხარისხის გადამეტებას და ცუდი ზოგადობის უნარის ჩამოყალიბებას.
CV-ის გაჟონვის ძირითადი წყაროები:
-
მახასიათებლების გაჟონვა (Feature leakage): მახასიათებლები, რომლებიც პირდაპირ ან ირიბად შეიცავენ ინფორმაციას მიზნობრივ ცვლადზე, მაგალითად, მახასიათებლები, რომლებიც შექმნილია მომავალი მონაცემების გამოყენებით.
-
დროის წესის დარღვევა: დროის სერიის მუშაობისას, მომავალი მონაცემები შედის ტრენინგის ნაკრებში.
-
მონაცემების არასწორი დაყოფა: როდესაც სხვადასხვა ფოლდში გამოჩნდება დაკავშირებული ობიექტები (მაგალითად, ერთ მომხმარებელთან ან სესიის მონაცემები), რაც იწვევს ინფორმაციის გაჟონვას.
-
მთლიანი ნიმუშის მიხედვით გამოთვლილი, მხოლოდ ტრენინგის ნაწილზე განკუთვნილი, აგრეგირებული მონაცემების გამოყენება.
CV-ის გაჟონვის თავიდან ასაცილებლად, საჭიროა მონაცემების დაყოფის სქემის ყურადღებით დაგეგმვა, სწორად წინასწარ დამუშავების მეთოდების გამოყენება და თავიდან აიცილოს ინფორმაცია ტესტიდან ტრენინგში გადასვლა.