数据泄露问题

[THREPOS]

在Reconditionor中计算总体的残差分布和SOLID中构建相似的测试样本训练这两个过程是否存在数据泄露？

[HALF111]

对于Reconditionor来说的话，因为这个分数只在训练集上进行计算，并不会涉及测试集的数据，对于测试是不会有泄漏的。
然后在SOLID过程中，对于测试集中的每个样本，我们只从相对于其更早的那些样本中去挑选相似样本，也不会涉及当前样本的预测窗口及以后的信息，这样也是没有数据泄漏的。
如果说担心测试样本能看到的历史样本可能会随着测试进行落入测试集范围中的话——一方面这么做是合理的：由于时间序列的连续性，对于靠后的测试样本，其历史数据本就会包括靠前的测试集数据；而且许多TSF方法也是这么做的，只要没看到预测窗口及之后的数据是不会有泄漏问题的。另一方面，从动机上来说，我们也必须要引入时间较近的样本，这是为了处理temperal segment带来的CDS问题。