Datenleckage
Informationen aus Testdaten oder der Zukunft beeinflussen das Training und verfälschen dadurch die Bewertung eines Modells.
Kategorie: Daten & Evidence
Thesaurus
- Informationsleck
- Leakage
- Train-Test-Kontamination
Erklärung
Trainings- und Testdaten müssen vor der Anpassung von Skalierung, Merkmalsauswahl und Modellparametern getrennt werden. Eine Pipeline hilft, diese Schritte nur auf Trainingsdaten zu lernen.
Regel / Formel
Fit nur auf Trainingsdaten; Transform auf Training und Test.
Synthetisches Praxisbeispiel
Synthetische Demo: Der Mittelwert zur Skalierung wird aus Januar bis März gelernt. April bleibt ausschließlich Testzeitraum.
Merksatz
Gute Testwerte sind nur belastbar, wenn der Test nicht indirekt in das Training einfließt.