تسرب الهدف عبر متغير بديل قد يبقى مخفيا حتى بعد حذف عمود الهدف من المدخلات. إذا اشتق العمود البديل من الإجابة التي لم تكن معروفة وقت التنبؤ، فإن إعادة تسميته لا تمنحه مصدرا مستقلا أو تجعل معلوماته متاحة آنذاك.
الخلاصة السريعة
لا؛ تغيير الاسم لا يزيل معلومات الهدف من عمود مشتق منه، ولا يعالج عدم توفر تلك المعلومات عند التنبؤ.
- تعرف IBM التسرب بأنه استخدام معلومات في التدريب لن تكون متاحة وقت التنبؤ، وتصف تسرب الهدف بهذا القيد. [1]
- في مثالنا الهدف ي يساوي 0 أو 1 ، والرمز ز=10+ي. نستعيد ي بحساب ز−10 ، حتى إذا سمينا ز «رمز أرشيف» وحذفنا اسم الهدف من الميزات.
- فصل الصفوف بين التدريب والاختبار لا يصلح هذا العمود إذا اشتق في الطرفين من إجابات غير متاحة لحظة التوقع. لم ندرّب نموذجا أو نقس دقته.
- راجع مصدر العمود ووقت إنشائه وما يعتمد عليه. ارتباط قوي بالهدف لا يكفي وحده لإثبات التسرب؛ ولا يصبح كل ترميز يستخدم أهداف التدريب مخالفا تلقائيا دون مراجعة تصميمه.
ما المعلومة التي يفترض أن تكون مجهولة؟
تشرح IBM تسرب المعلومات باستعمال ما لن يكون متاحا عند التنبؤ، وتضع تسرب الهدف ضمن هذه المشكلة. [1]
نؤلف مهمة تتوقع هل ستنجز علبة ورقية قبل نهاية مدة معلنة. لحظة إعداد التوقع تقع قبل نهاية تلك المدة، والهدف ي هو الإجابة المسجلة بعدها:1 إذا أنجزت و 0 إذا لم تنجز. نفترض أننا لا نعرف ي عند إعداد التوقع.
نحتاج أن نراجع المدخلات بناء على هذا السؤال الزمني المحدد. وجود الإجابة لاحقا في جدول التدريب مناسب لتعلم العلاقة، لكنه لا يجعلها مدخلا متاحا أثناء توقع نتيجة علبة جديدة.
كيف يحمل رمز جديد الإجابة نفسها؟
نفترض أن عملية أرشفة تنشئ ز من ي بهذه القاعدة بعد انتهاء المدة. نسمي العمود «رمز أرشيف»، ثم نحذف ي من قائمة الميزات. بقيت الإجابة قابلة للاستعادة من ز بطرح 10 ؛ تغيير الاسم لم يغير أي قيمة أو علاقة حساب.
هذا مثال لترميز مؤلف قابل للعكس، لا وصف لحقل مشروع فعلي. لم نتعلم قاعدة من بيانات أو نعلن أن أي نموذج حقق دقة كاملة. الذي تحققنا منه هو تطابق ز−10 مع ي للقيمتين المعلنتين.
وحتى إذا لم يعرف القارئ معنى اسم العمود، فإن طريقة إنشائه ما زالت تعتمد الإجابة اللاحقة. المراجعة لا تتوقف عند أسماء مثل «درجة» أو «رمز»؛ تحتاج سلسلة إنشاء الحقل ومتى توفر.
| الهدف ي في المثال | العمود البديل ز=10+ي | استعادة ي بحساب ز−10 |
|---|---|---|
| 0 | 10 | 0 |
| 1 | 11 | 1 |
لماذا لا يصلح فصل الصفوف هذا الحقل؟
لنفترض أن معرفات صفوف التدريب والاختبار مختلفة تماما، لكن ز حسب في كل طرف من هدف صفه نفسه بعد انتهاء المدة. ظل كل مدخل يحمل معلومة لا نملكها عند التنبؤ الجديد، رغم أن فحص تقاطع المعرفات لا يجد صفا مشتركا.
وعند وصول علبة جديدة قبل نهاية المدة، لا نعرف ي الذي نحتاجه لحساب ز بالقاعدة المذكورة. مطالبة النظام بتقديم ز من هذا المصدر تجعل إعداد المدخل يعتمد الإجابة التي يفترض أن يتوقعها.
لا نستنتج مقدار تغير أي مقياس عند حذف ز؛ لم نقدم تنبؤات أو اختبارا. يظهر المثال فقط أن سلامة فصل الصفوف تعالج شرطا مختلفا عن سلامة توفر الميزة ومنشئها.
كيف نفحص متغيرا مشتبهًا فيه؟
نقترح تسجيل الحقول التي دخلت إنشاء المتغير ونسختها وتوقيت توفرها، ثم ربط ذلك بلحظة التوقع. نراجع هل جاءت القيمة من الإجابة الخاصة بالصف، أم من معلومات سابقة متاحة بالفعل، أم من إحصاء تعلمناه بسياسة أخرى.
قوة الارتباط بالهدف وحدها لا تحسم السبب؛ قد تكون ميزة مبكرة نافعة، وقد يكون التطابق نتيجة علاقة معلنة مختلفة. الدليل في مثالنا هو طريقة الإنشاء المعروفة من ي وعدم توفر ي مبكرا، لا مجرد رقم ارتباط.
كما أن ترميزا يستعمل أهداف صفوف تدريب أخرى يحتاج فحص طريقة تعلمه وتطبيقه على الحالات المحجوزة؛ لا نساويه تلقائيا بنسخ إجابة كل صف إلى مدخله. بعد تحديد المصدر نصحح المسار ونقيمه من جديد حسب السؤال، مع حفظ سبب التعديل والنسخة السابقة.
المصادر ومتابعة القراءة
أُعدّ هذا المقال بصياغة عربية أصلية بالاستناد إلى المصادر أعلاه، وهو مدخل تمهيدي إلى الموضوع. اقرأ منهجية المحتوى وحدوده.