Definition
データリーケージは、機械学習における重大なエラーであり、予測時には利用できない情報がトレーニング中にモデルに漏れ出すことを指します。これは通常、データの分割方法が不適切であることや、特徴量エンジニアリングの過程で未来の情報などが混入することで発生します。
Summary
データリーケージとは、外部の情報がトレーニングデータセットに意図せず含まれ、モデルがそれを利用することで性能評価が過大評価される現象です。
Key Concepts
- ターゲットリーケージ
- トレーニング・テストの混入
- 適切なデータ分割
Use Cases
- モデルの過学習のデバッグ
- 特徴量エンジニアリングパイプラインの検証
- 堅牢なモデル評価の実施