Przejdź do treści
Biblioteka skilli
Dane i analityka · Przegląd i audyt

ml-leakage-check

/ml-leakage-check

Przegląda preprocessing i potoki cech ML pod kątem wycieku celu, gdy metryki walidacyjne wyglądają podejrzanie dobrze lub transformery uczą się przed podziałem danych.

Repozytorium
agent-powerups ↗
Licencja
Apache-2.0
Ostatnia zmiana repozytorium
27.09.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 27.09.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co robi i kiedy

Przegląda preprocessing i potoki cech ML pod kątem wycieku celu, gdy metryki walidacyjne wyglądają podejrzanie dobrze lub transformery uczą się przed podziałem danych.

Oryginalny opis (EN)

Use when reviewing ML preprocessing or feature pipelines for target leakage -- validation metrics look suspiciously good, transformers are fitted before splitting, or features may not exist at prediction time.

Jak działa

  1. Purpose
  2. When to Use
  3. Inputs
  4. Workflow
  5. Output
  6. Verification
  7. Failure Modes
Sekcje z nagłówków SKILL.md, w oryginale · 39 linii, 293 słów
Podgląd SKILL.md
---
name: ml-leakage-check
description: Use when reviewing ML preprocessing or feature pipelines for target leakage -- validation metrics look suspiciously good, transformers are fitted before splitting, or features may not exist at prediction time.
---

## Purpose

Target leakage is the most common and dangerous error in applied ML. It creates models that look perfect in validation but fail instantly in production. This check inspects the pipeline for the standard leakage vectors.

## When to Use

- Reviewing preprocessing or feature-engineering code before training sign-off
- Validation metrics look too good to be true
- A model performed far worse in production than in validation

## Inputs

- The preprocessing/feature pipeline code and the train/test split logic

## Workflow

1. **Global scaling/imputation**: was any statistic (mean, std, encoder vocabulary) computed on the *entire* dataset before splitting? That leaks the test distribution into training.
2. **Future features**: is any training feature unavailable at the moment of prediction in real life? (e.g., using "surgery_outcome" to predict "hospital_admission_length")
3. **ID proxies**: are database IDs or row numbers included as features? They often correlate with time or order of entry.
4. **Enforce the order**: Split FIRST, then fit transformers on Train ONLY, then transform Train/Val/Test.

## Output

- A leakage verdict per vector (global statistics, future features, ID proxies), citing the offending lines and the fix for each

## Verification

- [ ] All fit/fit_transform calls occur after the split and only on training data
- [ ] Every feature audited for availability at prediction time
- [ ] No raw IDs or row numbers among the features
- [ ] Findings cite specific code lines

## Failure Modes

- **Pipeline blindness** — leakage hidden inside helper functions or composed pipelines; trace where fitting actually happens.
- **"It's just scaling"** — dismissing global scaling as harmless; it still leaks distribution information.
- **Fixing one vector only** — re-running after one fix while the other vectors remain unchecked; audit all three every time.

Wersje

W bazie nie ma innych skilli o nazwie ml-leakage-check.

Identyczna treść występuje jeszcze w 1 innych folderach na GitHubie. Tu pokazujemy jedną, najlepiej ocenioną kopię.

Migawka bazy z 28.10.2026 · wersja paczki cb38b1d71c12 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 90feat-recon
    Audytuje kod inżynierii cech pod kątem wycieku danych, problemów z jakością i poprawności pipeline'u.
  • 90feature-engineering
    Buduje cechy wolne od wycieku, poprawne czasowo i odtwarzalne między treningiem a serwowaniem, przy tworzeniu wejść modelu lub audycie podejrzanie dobrego wyniku offline.
  • 95ml4t-data-leakage
    Zapobiega przeciekom danych: kontaminacji zbioru testowego, wyciekowi celu i wyciekowi czasowemu, przy dzieleniu danych, dopasowywaniu preprocesorów i budowie cech dla szeregów czasowych.
  • 90evaluation-leakage-audit
    Sprawdza ewaluację, benchmark lub system oceniania pod kątem wycieku danych oraz wyniki walidacji, które wyglądają na potwierdzające same siebie.
  • 90designing-leakage-safe-experiments
    Projektuje eksperymenty uczenia maszynowego odporne na wyciek danych, które odzwierciedlają realne wdrożenie: moment predykcji, dobór cech, podziały train-validation-test, bazowe punkty odniesienia i metryki.
  • 100building-feature-pipelines
    Buduje potoki cech ML i feature store: złączenia poprawne w czasie zapobiegające wyciekowi etykiet, zgodność offline i online, świeżość cech, backfille i materializację w narzędziach takich jak Feast.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.