データリーケージ

データリーケージとは、本来使えないはずの情報が学習データに混ざり込み、性能が実力以上に高く見えてしまう問題です。

たとえば病気の予測に「投薬の記録」が混ざっていると、診断がついた後の情報で当てているだけになります。検証では高精度でも、実際の運用では通用しません。

未来の情報や正解と直結する情報が紛れ込んでいないか、特徴量を一つずつ吟味することが対策になります。