Какие модели классификации или регрессии использовал

В классификации чаще всего применял:

• Логистическую регрессию (простота интерпретации)
• Random Forest (хорошо работает с категориальными признаками)
• XGBoost/LightGBM (лучшая производительность на табличных данных)
• SVM (для небольших датасетов с четкими границами)

Для регрессии:

• Линейную регрессию (базовый вариант)
• Ridge/Lasso (при мультиколлинеарности)
• Gradient Boosting (CatBoost для данных с категориями)

Пример с кодом:

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)

Выбор модели зависит от задачи, размера данных и требуемой интерпретируемости. Всегда сравниваю несколько вариантов через кросс-валидацию.