RU

Почему +0.3% к ROC‑AUC почти всегда шум, и как это проверить

ROC‑AUC вырос с 0,871 до 0,874 — модель стала лучше или вам просто повезло с разбиением? Разберём, почему прирост на третьем …

roc-aucкросс-валидацияоценка качества моделистатистическая значимостьдоверительный интервалбутстрапслучайное зерносравнение моделей
Habr
RU

Pipeline в машинном обучении: как создавать сложные модели без боли и утечек данных

В ML‑проектах проблемы часто начинаются не с выбора алгоритма, а с предобработки: один трансформер забыли применить к те…

Pipelinesklearnмашинное обучениепайплайн данныхпредобработка данныхdata leakageкросс-валидацияColumnTransformerтрансформерыML-модель