Data Leakage คืออะไร?
Time Gate — ประตูเวลาของข้อมูล
Data Leakage คือการนำข้อมูลที่ไม่ควรทราบ ณ เวลาทำนาย หรือข้อมูลชุดทดสอบที่ควรแยก ไปมีผลต่อการสร้างโมเดลหรือประเมินผล ทำให้คะแนนดูดีเกินความสามารถใช้งานจริง
QuantKG Editorial · อัปเดต 17 กันยายน 2026
ภารกิจของคุณ
เลือกท่อข้อมูลก่อนล็อก แล้วเปิดชุดฝึก ชุดทดสอบ และวันใช้งานจริงทีละด่าน เปรียบเทียบคะแนนกับเวลาที่ข้อมูลพร้อมใช้ รีเซ็ตแล้วลองอีกท่อ ก่อนทำโจทย์สถานการณ์ใหม่
เปิด JavaScript เพื่อเล่นเกม Phaser ปุ่มควบคุมใช้คีย์บอร์ดได้ ไม่มีเงินจริง การทดลองไม่คิด XP มีโจทย์ประยุกต์ท้ายเกม ตอบถูก +10 XP ผิด −3 XP ต่ำสุด 0 คิดเฉพาะคำตอบแรกต่อข้อ เก็บในอุปกรณ์นี้
ตัวอย่างที่จับต้องได้
หุ่นต้องทายผลก่อนเหตุการณ์ ท่อสัญญาณก่อนเหตุการณ์ทายข้อสอบถูก 3/4 = 75% ส่วนคอลัมน์ “ตราผลลัพธ์” ถูกบันทึกหลังรู้เฉลย จึงทายถูก 4/4 ในข้อสอบย้อนหลัง แต่วันจริงยังไม่มีตรานี้ให้ใช้
เกมนี้บอกอะไรไม่ได้?
ข้อมูล 6/4/4 ใบเป็นตัวอย่างกำหนดไว้ ไม่ใช่ตลาดจริง หุ่นแค่คัดลอกค่า 0/1 จากท่อ ไม่ได้ฝึกโมเดลจริง ท่อหลังเหตุการณ์จำลอง target leakage ไม่ได้สาธิตขั้นตอน preprocessing หรือการใช้ test data ระหว่าง fit โดยตรง ชุดทดสอบที่แยกไว้ก็ยังให้คะแนนหลอกได้ถ้าตัวแปรรู้ได้หลังผลเกิด
แหล่งอ้างอิง
scikit-learn — Common pitfalls: Data leakage and prediction-time availabilityเกมและตัวอย่างสร้างโดย QuantKG แหล่งอ้างอิงเป็นบทอ่านพื้นฐานของหมวด ไม่ได้ยืนยันว่ากองทุนหรือผู้เขียนใช้วิธีนี้
คำถามชวนคิด
หุ่นต้องทายก่อนเหตุการณ์ แต่คอลัมน์ “ตราผลลัพธ์” เพิ่งถูกบันทึกหลังเหตุการณ์ ควรทำอย่างไร?
ทำไมข้อสอบที่ไม่เคยใช้ฝึกยังได้ 100% ด้วยท่อตราผลลัพธ์ แต่ยังเชื่อว่าโมเดลทำนายจริงไม่ได้?
ท่อก่อนเหตุการณ์ทายชุดใหม่ถูก 3 ใบจาก 4 ใบ accuracy เท่าไร และสรุปอะไรได้?