Um cientista de dados importa um conjunto de dados para o Amazon SageMaker Data Wrangler e visualiza o resumo dos recursos. Um recurso mostra uma pontuação de poder de predição de 1. Qual é a explicação mais provável para essa pontuação?

Uma pontuação de poder de predição de 1 indica que uma única feature pode prever perfeitamente a variável alvo. Isso é um forte indício de vazamento de destino (target leakage), onde informações sobre o alvo estão inadvertidamente incluídas nas features de entrada. Durante o treinamento, o modelo aprenderia essa correlação perfeita, mas falharia ao generalizar para novos dados, pois essa informação não estaria disponível em um cenário real de inferência. As outras opções são improváveis: Uma divisão treino/validação incorreta não resultaria diretamente em uma pontuação de poder de predição de 1 para uma feature individual. O Data Wrangler é projetado para calcular o poder de predição de forma robusta; uma falha interna que resulta em 1 para uma feature específica é menos provável do que um problema nos dados. A falta de pré-processamento não impediria o cálculo do poder de predição; na verdade, features brutas podem, por si só, ter vazamento de destino.