前视偏差是指在用历史数据评估预测模型或投资策略时,决策当时无法获得的未来信息混入输入,导致性能看起来优于实际水平的偏差。它在金融回测中是长期存在的已知问题,在机器学习中被视为数据泄漏的一种形式。
典型的例子包括把事后修正的财务数据当作发布前即可获得的数据使用,或训练数据中包含评估期间的信息。防止这一偏差需要只使用各时点实际可得数据的时点数据(point-in-time data),以及屏蔽评估时点之后资料的环境。在评估大语言模型时,模型训练数据中可能已包含答案的问题也属于同一范畴。
lookahead bias
前视偏差是指在预测或回测中混入决策当时无法获得的未来信息,从而夸大测得性能的偏差。
前视偏差是指在用历史数据评估预测模型或投资策略时,决策当时无法获得的未来信息混入输入,导致性能看起来优于实际水平的偏差。它在金融回测中是长期存在的已知问题,在机器学习中被视为数据泄漏的一种形式。
典型的例子包括把事后修正的财务数据当作发布前即可获得的数据使用,或训练数据中包含评估期间的信息。防止这一偏差需要只使用各时点实际可得数据的时点数据(point-in-time data),以及屏蔽评估时点之后资料的环境。在评估大语言模型时,模型训练数据中可能已包含答案的问题也属于同一范畴。
本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。
在金融回测中,前视偏差指的是模型看到了预测日期当时尚不可得的信息,从而夸大结果。
阅读文章百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。