Расскажи про самый успешный рабочий ML-проект

Один из самых успешных проектов — система предсказания оттока клиентов для телеком-компании. Мы использовали CatBoost с feature engineering на основе транзакционных данных, логов взаимодействий и демографии.

Ключевые моменты:

• Метрика: Улучшили AUC-ROC на 15% против baseline (логистическая регрессия).
• Фичи: Временные паттерны (например, частота обращений в поддержку), агрегаты по платежам.
• Продакшн: A/B-тест показал снижение оттока на 22% благодаря таргетированным промо.

Пример препроцессинга:

from catboost import CatBoostClassifier

model = CatBoostClassifier(iterations=500, cat_features=['tariff_plan'])
model.fit(X_train, y_train, eval_set=(X_val, y_val), verbose=50)

Вывод: Бизнес-эффект был достигнут за счёт интерпретируемости модели и быстрого внедрения.