Tester une tâche bien délimitée
Pour un calculateur, comparez les résultats à des calculs manuels indépendants. Pour du code de stratégie généré, examinez l’accès aux données et testez la règle sur une petite séquence construite. Pour une prévision, définissez la cible et la procédure de mise à l’écart des données avant d’évaluer les prédictions.
Respecter la disponibilité de l’information
Documentez le moment où chaque variable ou document est devenu disponible. Un test historique utilisant un modèle de langage actuel peut être influencé par des connaissances acquises lors du préentraînement. Une date dans une consigne ne prouve pas à elle seule que les informations ultérieures ont été exclues.
Conserver une piste d’audit
Conservez les consignes, les identifiants des modèles lorsqu’ils sont disponibles, les fichiers générés, les versions des données et les règles d’évaluation. Séparez les calculs déterministes des commentaires du modèle. Une nouvelle exécution de l’expérience peut produire un texte différent ; consignez cette limite au lieu de la présenter comme une reproduction à l’identique.
Sources et références
- scikit-learn — Data leakage and common pitfalls ↗
- scikit-learn — Cross-validation and time series evaluation ↗
Les références étayent des définitions précises ou apportent un contexte méthodologique. Les exemples et les listes de vérification de recherche sont explicatifs ; aucun résultat de performance n’est revendiqué.