Data Leakage ও বিভ্রান্তিকর মূল্যায়ন

Data leakage ঘটে যখন training বা মূল্যায়নে এমন তথ্য ঢোকে যা বাস্তব ব্যবহারের সময় পাওয়া যাবে না—ফলে মূল্যায়ন অবাস্তব রকম ভালো দেখায়। এই পাঠে চার ধরনের leakage দেখব: label-এর ছদ্মবেশী feature (যেমন “refund_issued” দিয়ে “ফেরত আসবে কি না” অনুমান), train-test-এ প্রায়-ডুপ্লিকেট মেসেজ, ভবিষ্যতের তথ্য, এবং পুরো ডেটায় preprocessing। একটি কোড-পরীক্ষায় leakage-যুক্ত feature কীভাবে “১০০% accuracy” দেয় তা নিজে দেখব, এবং leakage ধরার একটি চেকলিস্ট বানাব।