データリーケージ（Data Leakage）はを理解するための用語です。この記事では仕組み・役割・使いどころを押さえ、G検定で問われる判断ポイントとひっかけポイントを解説します。

gk machine_learning evaluation

G検定トップ ＞ データリーケージ（Data Leakage）とは？【原因と典型例｜G検定対策】

まず結論

  • データリーケージ（Data Leakage）とは、本来予測時には使えない未来情報や答えに近い情報が、学習や特徴量に混入してしまう問題である。
  • G検定では「未来の情報が入っていないか」を見抜けるかが問われる。

直感的な説明

データリーケージは、
カンニングしながらテストを受けている状態です。

  • 学習時はものすごく成績が良い
  • でも本番データでは急に当たらなくなる

👉 理由は、答えをこっそり見て学習してしまっているから。

定義・仕組み

  • 本来、モデルが予測時に知り得ない情報が
  • 学習データや特徴量に含まれてしまうこと

代表的な例

  • 予測対象の未来データが含まれている
  • ラベル情報を加工した特徴量を使っている
  • 全データで正規化・前処理してから分割している

👉 評価が不正に良く見えるのが特徴。

いつ使う？（得意・不得意）

発生しやすい場面

  • 時系列データ
  • 前処理を分割前に実施
  • 特徴量エンジニアリングのミス

起きないこと

  • 学習が停止する
  • 処理エラーが出る

👉 静かに精度を壊すのがデータリーケージ。

G検定ひっかけポイント

今回の問題の核心👇

⭕ 正しい説明

  • 予測時点より未来のデータが含まれている
  • これがデータリーケージの本質

❌ よくある誤解

  • 学習中に処理が停止する → ❌
  • 推論時の精度が高くなる → ❌
    （むしろ本番では下がる）
  • 訓練データ全体に重みを更新 → ❌（バッチ学習）

判断基準（試験用）

  • 「未来」「答えに近い情報」
    → データリーケージ

まとめ（試験直前用）

  • データリーケージ＝未来情報の混入
  • 学習精度は不自然に高くなる
  • 本番（検証・推論）で性能低下
  • 時系列データで特に注意
  • 「未来が見えている」＝即リーケージ

🔗 関連記事

🏠 G検トップに戻る