Capital-AI Vocabulary

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.

Fachquellen

PR-Quellen des Katalogs