Data Leakage
Data Leakage: Uso improprio, durante training o valutazione, di informazioni non disponibili al momento della predizione. Può derivare da feature costruite col target, duplicati tra split o statistiche calcolate sull’intero dataset. Le pipeline devono essere adattate solo sui dati di training e rispettare la struttura temporale.
In English: Data leakageLegge V · Overfitting, bias e collasso dei modelliPuò derivare da feature costruite col target, duplicati tra split o statistiche calcolate sull’intero dataset. Le pipeline devono essere adattate solo sui dati di training e rispettare la struttura temporale.
Esempi
- Normalizzazione prima dello split
- Stesso paziente in train e test
- Feature contenente l’esito futuro