Du er her:
Varsel om datalekkasje
Datalekkasje skjer når modellens opplæringsdata inneholder informasjonen du prøver å forutsi. Lekkasjeresultater i modeller som har en optimistisk høy score i opplæring, men gir mindre nøyaktighet på direktedata. Det kan villede modellen til læringsmønstre som ikke er tilgjengelig i praksis, og dermed kompromittere forutsigelser.
Tiltak som bør vurderes
Undersøk variabelen for datalekkasje. Hvis det blir funnet en variabel, ekskluderer du den fra modellen.
Deteksjonsmetodologi
Modellbygger viser et varsel når den oppdager en forklaringsvariabel som alltid har det samme utfallet.
Eksempel
En långiver ønsker å forutsi om en kunde vil bruke et lån som standard. For å oppnå dette bygger långiveren en binærmodell med disse inndatavariablene.
- alder
- inntekt
- kredittscore
- lånebeløp
- lånestatus
- betalingshistorikk
- sluttbetalingsdato for lån
Etter opplæring viser modellen et varsel fordi datalekkasje ble oppdaget. Verdiene for lånestatus- og betalingshistorikkvariablene bestemmes først etter at lånet har blitt godkjent og delvis betalt tilbake. Inkludering av slik informasjon vil lekke fremtidige data som ikke vil være tilgjengelig når modellen forutsier. Her er noen handlinger du bør vurdere for å løse problemet.
- Ekskluder inndatavariablene "lånestatus", "betalingshistorikk" og "sluttbetalingsdato for lån" fra opplæringssettet.
- Bruk variabler som er kjent på det tidspunktet lånet godkjennes, i stedet for "alder", "inntekt", "kreditscore" og "lånebeløp".
- Lær opp modellen på nytt med et oppdatert datasett.
