CV-leak nedir ve hangi kaynaklar vardır?

CV sızıntısı (Çapraz Doğrulama Sızıntısı) — çapraz doğrulama sırasında modelin test verilerinden bilgi alması durumudur, bu da modelin performansını olduğundan yüksek gösterir ve genelleme yeteneğini zayıflatır.

Ana CV sızıntısı kaynakları:

• Özellik sızıntısı (Feature leakage): doğrudan veya dolaylı olarak hedef değişken hakkında bilgi içeren özellikler, örneğin, gelecekteki veriler kullanılarak oluşturulan özellikler.

• Zaman sırasının ihlali: zaman serileriyle çalışırken, gelecekteki veriler eğitim kümesine dahil edilir.

• Yanlış veri bölme: farklı katlarda ilişkili nesnelerin bulunması (örneğin, aynı kullanıcının veya oturumun verileri), bu da bilgi sızıntısına yol açar.

• Tüm örneklem üzerinde hesaplanan, sadece eğitim kısmına ait olmayan, toplanmış verilerin kullanımı.

CV sızıntısını önlemek için, veri bölme şemasını dikkatlice planlamak, doğru ön işleme yöntemleri kullanmak ve test verilerinin eğitim verilerine sızmasını engellemek gerekir.