Расскажи про сложные задачи из опыта

Одна из сложных задач — предсказание оттока клиентов для телеком-компании. Данные были несбалансированы (5% оттока), с пропусками и шумом. Решение:

1. Feature Engineering — создал признаки из истории звонков (тренды, сезонность).
2. Балансировка — применил SMOTE + RandomUnderSampler.
3. Модель — CatBoost с кастомной loss-функцией (F1-score + recall).

from imblearn.pipeline import Pipeline
from catboost import CatBoostClassifier

model = CatBoostClassifier(
    loss_function='Logloss',
    eval_metric='F1',
    class_weights=[1, 10]  # Учет дисбаланса
)
pipeline = Pipeline([
    ('preprocess', preprocessor),
    ('model', model)
])
pipeline.fit(X_train, y_train)

Результат: F1-score 0.78 (было 0.65).