#targetencoding — Public Fediverse posts

Как проверить ML‑модель перед продом и избежать утечки данных в scikit‑learn

Высокая метрика на кросс‑валидации ещё не означает, что модель покажет такой же результат после запуска. Разрыв между офлайном и продакшеном часто появляется из‑за ошибок в подготовке данных, неправильного разбиения выборки или признаков, которые недоступны в момент предсказания. Разберём практический подход к проверке качества ML‑модели: от временного сплита и настройки Pipeline до подбора порога решения и подготовки артефакта для инференса. Проверить модель

https://habr.com/ru/companies/otus/articles/1067774/

#scikitlearn #pipeline #кроссвалидация #dataleakage #утечкаданных #targetencoding #MLOps #антифрод #валидациямодели