แนวคิด Future-information Leakage จึงช่วยให้ tmte89 สร้าง Spintext ที่ไม่เปลี่ยน “ผลที่ตรวจจากข้อมูลย้อนหลังหลังรู้ Outcome แล้ว” ให้กลายเป็น “ความสามารถในการทำนายล่วงหน้า” และช่วยรักษาระดับ Evidence ให้สอดคล้องกับ Time of Knowledge จริ
หวยไทย ควรตรวจ Draw Cutoff, Rule-creation Date และ Holdout Period ส่วน บอล ควรตรวจ Kick-off Time, Lineup Time, Rolling Statistics และ Final Match Fields ไม่ให้ Future Information หลุดเข้า Pre-match Conte
หาก Experiment มี Primary Metric หนึ่งแต่ตรวจ Secondary Metrics อีก 30 ค่า บางค่าอาจผ่าน Threshold จาก Chance การแยก Primary, Tejji.Com Secondary และ Exploratory Metrics ช่วยรักษาความชัดของ Eviden
หากทีมชนะ 70% เมื่อเล่น Home ควรใช้ `ชนะ 70% ของเกมเหย้าใน Sample นี้` ไม่ควรตัด Condition แล้วเขียนเพียง “ทีมชนะ 70
Family-wise Error Rate คือ Probability ที่จะเกิด False Positive อย่างน้อยหนึ่งรายการใน Family ของ Tests ยิ่งจำนวน Tests มาก ค่า Family-wise Error สามารถสูงขึ้นแม้ Threshold ของแต่ละ Test คงเดิ
Marginal Rate ใช้ Population ทั้งหมดตาม Scope หลัก ส่วน Conditional Rate ใช้ Population ที่ผ่าน Condition เพิ่มเติม เช่น Overall Win Rate กับ Home Win Rate ความแตกต่างนี้ต้องคงอยู่ตลอด Title, Body, Table และ F
State อาจเป็นสถานะระหว่างทาง เช่น Live, Pending หรือ Processing ส่วน Outcome มักเป็นปลายทางที่ใช้สรุป Event เช่น Win หรือ Loss การ Spin State เป็น Outcome สามารถทำให้ Timeline Meaning ผิ
False Discovery Rate เน้นสัดส่วนของ False Positives ใน Results ที่ประกาศว่า Positive ต่างจาก Family-wise Error ที่สนใจว่าจะมี False Positive อย่างน้อยหนึ่งรายการหรือไม
เมื่อเกี่ยวข้อง ควรตรวจ กฎหมายในพื้นที่ และหลีกเลี่ยงข้อความ กำไรแน่นอ
Event-type Probability คือ Probability ของ Outcome ประเภทเฉพาะ เช่น Probability of Win ไม่ใช่ Probability of “Match มี Final Result” ซึ่งแทบทุก Match ที่จบย่อมมี Final Result อยู่แล้
Missing Result คือข้อมูลต้นทางหาย ส่วน Missing Frequency อาจคำนวณใหม่ได้หาก Raw Results ครบ ดังนั้น Derived Value ที่หายสามารถ Recompute ได้ แต่ Source Fact ที่หายไม่ควรถูก Fabricate เพื่อให้ตารางดูสมบูรณ
Look-ahead Bias เป็นรูปแบบหนึ่งของ Leakage ที่เน้นการใช้ข้อมูลอนาคตในอดีต ส่วน Data Leakage กว้างกว่าและรวมถึงการปนกันระหว่าง Train/Test หรือการใช้ Target-derived Featur
Multiple Comparisons คือสถานการณ์ที่ ค้นหา Pattern ผ่านการทดลองหลายรูปแบบ ยิ่งจำนวน Tests เพิ่ม โอกาสพบผลที่ดู Significant จาก Chance อย่างน้อยหนึ่งรายการก็เพิ่มขึ้นตา
Entity Leakage เกิดเมื่อ Records ของ Entity เดียวกันกระจายอยู่ทั้ง Train และ Test ในลักษณะที่ทำให้ระบบจดจำ Entity ได้ เช่น Game Versions ใกล้เคียงกันมากหรือ Matches ซ้ำจาก Source ต่างกัน ทำให้ Test ดูง่ายเกินข้อมูลใหม่จริ