bir modelin sınama verisini önceden görmesi ya da eğitim kümesindeki aynı olaya çok benzeyen kayıtlarla sınanması, başarı puanını şişirebilir; buna veri sızıntısı denir. rastgele satırları bölmek özellikle zaman serilerinde ve yakın kopyalarda sahte bir rahatlık üretir.
4 entry
veri sızıntısı
veri sızıntısı yalnızca aynı satırın eğitim ve sınama kümelerine düşmesiyle oluşmaz. ölçekleme, eksik değer doldurma ya da özellik seçimi bütün veri üzerinde yapılıp sonra bölme yapılırsa, sınama kümesinden gelen bilgi eğitim sürecine karışır. doğru sıra, veriyi ayırıp dönüşümün kurallarını yalnız eğitim bölümünde öğrenmek ve aynı kuralları sınama bölümüne uygulamaktır.
hedef değişkenden sonra oluşan bir bilgiyi özellik gibi modele bırakmak, veri sızıntısının bir biçimidir. kredi temerrüdünü tahmin ederken temerrütten sonra açılan takip kaydını eğitim verisine koymak, modelin geleceği önceden görmesidir. eğitim ve sınama kümeleri temiz ayrılmış olsa bile gerçek kullanım anında bulunmayacak bu alan başarı puanını şişirir.
aynı kişi, cihaz ya da şirketten gelen birden çok satırı rastgele eğitim ve sınama kümelerine dağıtmak da veri sızıntısı yaratabilir. modelin yeni bir grubu tahmin etmesi yerine, sınamada eğitimde zaten bulunan grupla ortak izleri kullanmasına izin verilir; başarı böylece gerçek kullanım koşulundan daha parlak görünür. hedef yeni gruplarsa bölme grup kimliğine göre yapılmalı.