Rò rỉ dữ liệu (Data Leakage)
Rò rỉ dữ liệu xảy ra khi mô hình hoặc quy trình đánh giá dùng thông tin mà ở thời điểm dự đoán thật chưa thể biết. Điểm kiểm tra có thể cao giả tạo.
Điểm chính
Hai nguồn thường gặp: đặc trưng được ghi sau khi kết quả đã xảy ra, và thống kê tiền xử lý được tính chung trên cả train lẫn validation. Chia trước và kiểm thời điểm tạo từng đặc trưng.
Chỗ dễ nhầm
Dữ liệu lặp hoặc nhiều dòng từ cùng một người có thể lọt qua hai phía của phép chia ngẫu nhiên. Không thấy cột nhãn trong dữ liệu đầu vào vẫn chưa đủ để kết luận an toàn.