分享一篇介绍 Data Leak 的文章，说起 data leak 我早期是真的深受其害，毕竟真实世界的线上业务永远有一个特别的维度：时间。理论上完全服从独立同分布业务数据/问题并不多，所以很多时候我们是直接把时间维度忽略掉。若干年前参加过知乎的一次给短文本预测 tag 的竞赛最后也是因为当时原始数据存在一些 data leak（知乎作为举办方提供数据的时候把时间轴抹掉，但是数据本身又其实是时间排序的），最后的排名引起挺大的争议。对于 data leak 系统地考虑是线上数据科学工作非常重要的一环。https://towardsdatascience.com/data-science-mistakes-to-avoid-data-leakage-e447f88aae1c