AI-ordlistan ·
Data och maskininlärning
Data leakage (dataläckage) i ML-sammanhang innebär att information från testdata oavsiktligt läcker in i träningsprocessen, vilket gör att modellen verkar prestera bättre än den egentligen gör. Det är ett subtilt men allvarligt problem som kan leda till att modeller som verkar fungera utmärkt i labbet misslyckas totalt när de möter verklig data.
Exempel
Om du tränar en modell för att förutsäga om en kund kommer att säga upp sig och råkar inkludera ett fält som fylls i just när en kund säger upp sig — ett fält som inte skulle finnas tillgängligt vid tidpunkten för förutsägelsen — kommer modellen att verka perfekt under träning men vara värdelös i produktion.



