IA Lab by amano
Neste termo

Data leakage

Vazamento de dados no modelo · Leakage · Target Leakage

Data leakage é o uso, durante o desenvolvimento de um modelo, de informação que não estaria legitimamente disponível no momento da previsão, produzindo uma estimativa otimista de desempenho.

treinamento e avaliaçãonível intermediárioestável

O que é

O vazamento pode ocorrer quando o alvo aparece direta ou indiretamente nas features, quando o futuro informa o passado ou quando validação e teste influenciam transformações e seleção.

O resultado costuma parecer excelente no experimento e piorar quando o modelo encontra dados realmente novos.

Como funciona

Informações proibidas atravessam a divisão dos dados, a preparação, a seleção de features ou a construção do rótulo.

A prevenção exige dividir dados antes de aprender transformações, respeitar tempo e grupos, encapsular pipelines e revisar a disponibilidade real de cada feature.

Um exemplo

Um modelo de atraso usa a data de encerramento do projeto, informação conhecida apenas depois do resultado, e por isso obtém uma métrica irreal no teste.

Onde aparece na prática

  • Pré-processamento: Ajustar normalização, imputação e seleção apenas com o conjunto de treinamento.
  • Tempo: Evitar que eventos futuros apareçam em previsões feitas para uma data anterior.
  • Grupos: Separar projetos, clientes ou pessoas relacionados para impedir memorização cruzada.

Conceitos que costumam ser confundidos

  • Data leakage × violação de segurança: Neste contexto, leakage é contaminação da avaliação; uma violação de segurança é exposição indevida de informação.
  • Leakage × overfitting: Leakage introduz informação indevida; overfitting ajusta demais aos exemplos disponíveis mesmo sem essa contaminação.

Limitações e riscos

Vazamentos indiretos podem passar por códigos, datas, duplicatas, agregações e decisões humanas aparentemente inocentes.

Uma divisão aleatória não resolve dependências temporais ou grupos relacionados. O desenho deve representar como a previsão ocorrerá.

Perguntas frequentes

Data leakage aqui significa vazamento de privacidade?

Não necessariamente. No desenvolvimento de modelos, o termo descreve informação indevida contaminando treinamento ou avaliação.

Pipeline ajuda a evitar leakage?

Sim. Ele ajuda a ajustar transformações apenas no treino e reaplicá-las de forma consistente, mas não corrige uma feature conceitualmente indevida.

Fontes principais

Revisado em 2026-10-18.