一句话定义

数据泄漏指模型训练过程使用了不应存在于训练时刻的信息，导致评估过于乐观。

问题设定

  • 输入：训练流程与数据管道。
  • 输出：泄漏风险识别与防护策略。
  • 假设：训练与评估应严格隔离。
  • 边界：泄漏不可用“后处理”修复。

数学表述

泄漏通常表现为 $\mathcal{D}{train}$ 与 $\mathcal{D}{test}$ 不独立，或特征中包含未来信息。

算法解释

  • 统计量在全数据上拟合（如均值/标准差）会造成隐性泄漏。
  • 目标编码/时间序列滚动特征最易触发泄漏。

优化与实现细节

  • 目标来源：保持训练-评估独立性。
  • 方法：分割后再做特征统计；时间序列严格因果。
  • 数值要点：交叉验证必须在管道内执行。

关联与边界

  • 与特征工程、验证策略紧密相关。
  • 边界：无法通过调整模型参数弥补泄漏。

失败模式

  • 线上指标大幅低于离线指标。
  • 新数据上性能崩塌。

最小伪代码

Split data
Fit transforms on train only
Evaluate on untouched test

决策清单

  • 统计量仅在训练集拟合
  • 时间特征严格因果
  • 验证流程无共享状态

个人备注

TODO