# Несбалансированная классификация

## Теория перед выполнением

Перед началом прочитайте:

- [`03_metrics_thresholds_and_calibration.md`](../notes/03_metrics_thresholds_and_calibration.md)
- [`01_validation_and_baselines.md`](../notes/01_validation_and_baselines.md)


## Цель

Решить задачу с редким положительным классом и подобрать threshold.

## Что сделать

1. Сформулировать ожидаемый результат до запуска эксперимента.
2. Реализовать простой baseline.
3. Реализовать основной метод самостоятельно настолько, насколько требует задание.
4. Добавить автоматические проверки ключевых вычислений.
5. Провести эксперимент, сохранить метрики и примеры ошибок.
6. Заполнить отчёт по `common/REPORT_TEMPLATE.md`.

## Результат

PR-кривая, confusion matrices и решение с учётом стоимости ошибок.

Решение разместите рядом в `solution/`. Не коммитьте большие данные,
веса или секреты.

## Критерии приёмки

- Accuracy не используется как единственный критерий; threshold выбран на validation.
- Код читаем, разбит на функции и запускается по инструкции.
- Выводы подтверждаются измерениями и не выходят за пределы эксперимента.

## Вопросы для самопроверки

- Почему выбран именно этот метод и какой baseline он должен превзойти?
- Где здесь возможна утечка данных или некорректная оценка?
- Как изменится результат при других данных или ограничениях?
- Какую ошибку модели вы считаете наиболее важной и почему?