Ce este scurgerea inversă (back leakage)?

Scurgerea înapoi (back leakage) în contextul învățării automate și testelor de calitate a datelor este o situație în care informațiile legate de viitor ajung în model sau în datele de test destinate pentru antrenament sau verificare pe date din trecut. Acest lucru duce la o performanță nerealist de ridicată a modelului pe datele de test, deoarece modelul, în esență, "se uită" la răspunsurile din viitor.

Exemple de scurgere înapoi:

• Serii temporale: Incluzarea valorilor viitoare ale unei serii temporale (de exemplu, prețul acțiunilor mâine) în caracteristici sau etichete pentru antrenarea unui model care trebuie să prezică trecutul sau prezentul.
• Scurgere din setul de test în antrenament: Inserarea accidentală a datelor din setul de test în setul de antrenament sau utilizarea informațiilor din setul de test în procesarea setului de antrenament (de exemplu, scalarea caracteristicilor pe baza statisticilor întregului set de date, inclusiv testul).
• Generarea de caracteristici: Crearea de caracteristici pe baza datelor colectate după momentul pentru care se face predicția.

Consecințele scurgerii înapoi:

• Metrice de performanță nerealiste pe datele de test.
• Performanță slabă a modelului în condiții reale (când este aplicat pe date noi, viitoare).
• Concluzii incorecte despre calitatea modelului.

Prevenirea scurgerii înapoi este esențială pentru construirea unor modele fiabile și pentru efectuarea unor teste corecte.