AI Sözlük
Data Leakage Nedir?
Veri sızıntısı, eval’i bozan bilgilerin yanlışlıkla eğitime girmesidir; model gerçekte genelleyemez ama testte parlar.
Tanım
Data leakage, ML projelerinin sessiz katilidir. Örnek: hedefi tahmin etmek için hedefle türetilmiş bir kolon kullanmak, veya test müşterilerinin eğitimde görünmesi. Zaman serisinde gelecek bilgisini geçmişe sızdırmak klasik hatadır. Sonuç: laboratuvarda %99, sahada felaket. Önlem: doğru split, pipeline’da fit’i yalnızca train’de yapmak, zaman bazlı ayırma. LLM benchmark’larında contamination da sızıntı ailesindendir.
Feature store ve online/offline tutarsızlığı sızıntı üretebilir.
Şüpheli yüksek skor gördüğünüzde önce sızıntı arayın.
Sık sorulanlar
Nasıl fark edilir?
Aşırı yüksek offline skor + zayıf online performans klasik işarettir; özellik denetimi gerekir.
Target leakage nedir?
Hedef değişkenle doğrudan ilişkili, gerçekte tahmin anında olmayan bilginin feature olmasıdır.