Количественные исследования · Редакционный отдел KAEL
Утечка данных: невидимые ярлыки при оценке модели
Утечки данных предоставляют моделям информацию, о которой они не должны знать во время оценки. Это может значительно улучшить результаты экспериментов, но не может быть воспроизведено в новых условиях.
Устранение неполадок в процессе обработки
Если все данные сначала используются для расчета параметров нормализации, а затем разделяются обучающий и оценочный наборы, оценочная информация может войти в процесс заранее. Диапазон настройки процессора также должен соответствовать диапазону обучения модели.
Проверьте примеры отношений
Соседние временные сегменты или повторяющиеся объекты могут быть очень похожими. Простое случайное разделение приведет к появлению соответствующих образцов с обеих сторон, что упростит задачу оценки по сравнению с реальными приложениями.
Создайте правила карантина
Инкапсулируйте разделение данных, расчет и оценку функций в фиксированные процессы. Любые добавленные функции указывают, когда они будут доступны и как они были созданы, что позволяет провести проверку до начала экспериментов.
