🧽Preprocessing: сначала разберитесь с грязью
Пропуск не равен нулю, заполнение не равняется фантазии, а нормализация нужна не каждому алгоритму. Особенно важно: медиану и масштабирование учим на train, не на test. Иначе экзамен уже лежит у нас в кармане.
🧩Feature Engineering: придумать осмысленный признак
72 м² / 3 комнаты = 24 м² на комнату; год постройки превращается в возраст. Но rent_ils / area_m2 при прогнозе rent_ils — это не гениальность, а подсказанный ответ. Три проверки: смысл, доступность, польза.
🌲Random Forest: деревья не обязаны думать одинаково
Bootstrap берёт строки с возвращением, случайные наборы признаков делают деревья разными, ансамбль собирает их ответы. В регрессии — среднее; в классификации — объединение решений. Чем больше деревьев, тем не обязательно лучше.
🤖ИИ + Orange: автоматизация под человеческим контролем
Python Script получает in_data, отдаёт out_data; собственный Widget требует интерфейса и установки. ИИ может написать код, но проверить пропуски, нулевые делители и сохранность целевой переменной должен человек. Сам код запускался? Это ещё не оценка качества.
⚖️Этика: высокая метрика не отменяет ответственность
Точность по группам может отличаться; удаление имени не гарантирует анонимность; ИИ может выдумать DOI; график может манипулировать масштабом. Отвечаем за происхождение данных, ошибки моделей и последствия решений.
🚀Что дальше: ваши данные — ваши открытия
Три маршрута: Orange/KNIME, Python+ИИ и статистика/ML. Финальный проект на два месяца: 2–3 живых вопроса, данные → EDA → проверенные модели → честный отчёт с ограничениями. Сертификат за проект — только после проверки преподавателем.
Вопрос → данные → признаки → модель → честная проверка → ответственное решение. И если кажется, что всё идеально, скажите: «Стоп, проверяем!»
