Рекомендации по улучшению модели

- Удалив признаки `Доход` `Пол` позволило получить оптимальный порог классификации, который увеличил метрики (без удаления признаков, даже порог классификаци не подбирался, 0.5 по умолчанию был оптимальный,
- При пороге классификации 0.5 по умолчанию метрики были крайне негативны по смыслу, False результатов не было совсем,
- **Поэтому, чтобы улучшить метрики необходимо удалять признаки по одному или списком, даже если кажется что такой признак очень важен, чтобы определить без каких признаков модель станет показывать лучший результат, прогноз, метрики**
(Что имеем ввиду, что может удалить признак курение - сильно бы улучшило прогнозную силу модели, метрики, хотя кажется, что курение прямо влияет на РСЗ (риск сердечных заболеваний) и удалять его нельзя

Look at the Jupyter notebooks in the repository to understand the current model and feature set. Identify the 'Доход' and 'Пол' features (likely 'Income' and 'Gender') and the 'курение' feature ('Smoking'). Run experiments removing these features one by one and in combination, evaluating metrics like accuracy or F1-score. The goal is to confirm that removing certain features improves model performance as suggested.

Vom Indexierungsmodell aus dem Issue-Text verfasst.