Как проверял корректность работы модели

Проверя корректность модели, использую несколько подходов:

1. Метрики качества:

• Для классификации: accuracy, precision, recall, F1, ROC-AUC
• Для регрессии: MAE, RMSE, R²

from sklearn.metrics import classification_report
print(classification_report(y_true, y_pred))

2. Кросс-валидация:

from sklearn.model_selection import cross_val_score
scores = cross_val_score(model, X, y, cv=5)

3. Анализ ошибок:

• Матрица ошибок для классификации
• График остатков для регрессии
• Анализ примеров с наибольшей ошибкой

4. Проверка на отложенной выборке (holdout)

5. Бизнес-метрики (если применимо):

• ROI, прибыль, экономия времени

6. A/B тестирование для production моделей

Всегда сравниваю с baseline (например, dummy model) и слежу за переобучением через разницу train/test метрик.