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

リポジトリ内の Jupyter notebooks を確認し、現在のモデルと機能セットを理解してください。'Доход' および 'Пол' features（おそらく 'Income' と 'Gender'）と、'курение' feature（'Smoking'）を特定してください。これらの features を1つずつ、および組み合わせて削除する実験を実行し、accuracy や F1-score などの metrics を評価してください。目的は、特定の features を削除すると、示唆されているとおりモデルの性能が向上することを確認することです。

索引モデルが issue の本文から書いたものです。