데이터 누수

뜻풀이

쉬운 AI 사전

1. [명사] (데이터) 시험에 나올 정보가 공부 단계에 몰래 섞여 들어가서, 점수가 실제보다 높게 나오는 문제.

실무 AI 사전

1. [명사] (데이터) 테스트 정보로 정규화 값을 계산하거나, 예측 시점에는 알 수 없는 정보를 피처로 넣을 때 생긴다. 개발 중 성능은 놀랍게 좋은데 실제 서비스에서는 무너지는 대표 원인이다.

전문 AI 사전

1. [명사] (데이터) 학습 시점에 실제 예측 환경에서는 쓸 수 없는 정보가 모델에 들어가 일반화 성능이 과대 추정되는 현상. 타깃 누수(결과에서 파생된 열 사용), 전처리 누수(분할 전 변환), 중복/시간 누수 등이 있다. LLM에서는 벤치마크 문제가 학습 말뭉치에 섞이는 오염도 비슷한 문제다.

관용구/함께 쓰는 말

• 타깃 누수 - 정답에서 만들어진 정보가 입력에 섞이는 것.
• 누수 점검 - 분할, 피처, 시간 순서를 다시 확인하는 작업.

쉬운 비유

시험 문제를 미리 알고 공부한 학생의 성적과 같다. 점수는 높지만 진짜 실력은 아니다.

예문

• 정확도 99퍼센트가 나와서 이상하다 싶었는데 환불 여부 열이 피처에 들어 있었다.
• 전체 데이터로 평균을 구한 뒤 분할해서 데이터 누수가 생겼다.
• 같은 환자의 기록이 학습과 테스트에 나뉘어 들어가 누수가 일어났다.

헷갈리는 용어 비교

과적합

과적합은 학습 데이터에 지나치게 맞춰져 새 데이터에서 못하는 현상이고, 데이터 누수는 평가 방식이 잘못돼 성능을 과대평가하는 문제다. 누수가 있으면 과적합이 아닌데도 좋아 보이게 된다.

맞춤법/표기법

바른 표기

데이터 누수

주의할 표기

데이터 누출

원어

data leakage

다른 이름

정보 누수, 데이터 리케이지, 리키지, target leakage, 타깃 누수, data leak

참고

누출보다 누수가 흔하다. 업계에서는 리키지라고도 읽는다.

관련어