資料洩漏 vs 過擬合
Data Leakage vs Overfitting
資料洩漏 側重 資料洩漏（Data Leakage）是指模型訓練過程中，未來或測試集的資訊意外滲入訓練集，導致模型在評估時表現虛高，但部署後實際效能大幅下滑的現象。，而 過擬合 側重 過擬合指模型過度記憶訓練資料的細節與雜訊，導致在未見過的新資料上預測表現大幅下滑。
逐項比較
| 項目 | 資料洩漏 | 過擬合 |
|---|---|---|
| 一句定義 | 資料洩漏（Data Leakage）是指模型訓練過程中，未來或測試集的資訊意外滲入訓練集，導致模型在評估時表現虛高，但部署後實際效能大幅下滑的現象。 | 過擬合指模型過度記憶訓練資料的細節與雜訊，導致在未見過的新資料上預測表現大幅下滑 |
| 常見標籤 | 模型評估、資料處理、特徵工程、機器學習 | 模型訓練、模型評估、機器學習 |
| iPAS 關聯度 | 未知 | 高頻 |
| 考生最常問 | 如何快速判斷模型是否存在資料洩漏？ | 過擬合和欠擬合有什麼不同？ |