Definition
La fuga de datos es un error crítico en el aprendizaje automático donde el modelo accede a información durante el entrenamiento que no estaría disponible en el momento de la predicción. Esto suele ocurrir debido a una división inadecuada de los datos o a la inclusión de características que contienen información futura o del objetivo.
Summary
La fuga de datos ocurre cuando información externa al conjunto de entrenamiento influye inadvertidamente en el modelo, lo que lleva a estimaciones de rendimiento excesivamente optimistas.
Key Concepts
- Fuga del objetivo
- Contaminación entre entrenamiento y prueba
- División adecuada de datos
Use Cases
- Depuración del sobreajuste del modelo
- Validación de pipelines de ingeniería de características
- Garantizar una evaluación robusta del modelo