Datos
splitcheck
Detecta filas que se filtran entre train, validación y test.
0 descargas/mes en PyPIInstalación
pip install splitcheckSi usas uv, también como CLI aislado:
uv tool install splitcheckPruébalo en tu navegador
5 / 4train.csv / test.csv filas
2filas fugadas desde train
50.0%fuga
0duplicados dentro de test
2 filas de test presentes también en train. (líneas 2, 4) La misma lógica que el chequeo exacto del CLI, ejecutada en local. No se envía nada a ningún sitio.
Qué hace
Una fila que aparece en train y en test infla todas las métricas y es fácil de introducir sin querer. splitcheck compara tus splits y reporta cuánto de uno aparece en otro, de forma exacta y tras normalizar.
En acción
Una sesión real grabada del CLI en ejecución.
Léelo como texto
target in source exact normalized leakage test train 3 3 3.6% train test 3 3 1.5% splitcheck: worst leakage 3.6%
$ splitcheck check train.csv test.csv
target in source exact normalized leakage
test train 3 3 3.6%
train test 3 3 1.5%
splitcheck: worst leakage 3.6%Características
- —Solapamiento exacto y normalizado entre splits.
- —Comparación por fila completa o por una columna.
- —Fuga como fracción del split objetivo.
- —Gate de CI; lee CSV, Parquet, JSONL y texto.