Kas ir CV-leak un kādi ir tā avoti?

CV noplūde (Kros-validācijas noplūde) — tas ir situācija, kad kros-validācijas laikā modelis saņem informāciju no datu testa daļas, kas noved pie modeļa kvalitātes pārvērtēšanas un sliktas vispārējās spējas.

Galvenie CV noplūdes avoti:

• Īpašību noplūde (Feature leakage): īpašības, kas tieši vai netieši satur informāciju par mērķa mainīgo, piemēram, īpašības, kas izveidotas, izmantojot nākotnes datus.

• Laika kārtības pārkāpums: strādājot ar laika rindām, nākotnes dati tiek iekļauti apmācības kopā.

• Nepareiza datu sadale: kad dažādos locījumos parādās saistīti objekti (piemēram, dati par to pašu lietotāju vai sesiju), kas noved pie informācijas noplūdes.

• Izmantojot visā paraugā aprēķinātus, tikai apmācības daļai paredzētus, apkopotus datus.

Lai novērstu CV noplūdi, ir nepieciešams rūpīgi plānot datu sadalījuma shēmu, izmantot pareizas priekšapstrādes metodes un novērst informācijas iekļūšanu no testa uz apmācību.