Ein Data Scientist importiert einen Datensatz in Amazon SageMaker Data Wrangler und zeigt die Feature-Zusammenfassung an. Ein Feature weist einen Prediction-Power-Score von 1 auf. Was ist die wahrscheinlichste Erklärung für diesen Score?

Ein Prediction-Power-Score (PPS) von 1 bedeutet, dass ein Feature das Ziel perfekt vorhersagen kann. Dies ist in realen Szenarien extrem unwahrscheinlich und deutet fast immer auf ein Target Leakage hin. Target Leakage tritt auf, wenn Informationen aus dem Ziel (der zu vorhersagenden Variable) unbeabsichtigt in die Features gelangen, die zur Vorhersage verwendet werden. Dies führt zu überoptimistischen Modellleistungen, die in der Produktion nicht reproduzierbar sind. Eine falsch abgestimmte Datenaufteilung würde nicht direkt zu einem PPS von 1 führen, sondern eher zu schlechteren Modellleistungen oder unzuverlässigen Validierungsergebnissen. Die Unfähigkeit von Data Wrangler, ein optimales internes Modell anzupassen, würde zu einem niedrigeren, nicht zu einem perfekten PPS führen. Unzureichende Vorverarbeitung könnte die PPS-Berechnung beeinflussen, aber ein PPS von 1 ist ein starkes Indiz für Leakage, nicht nur für mangelnde Vorverarbeitung.