Простейшее решение, с которым сравнивается всё остальное: константа, правило, логистическая регрессия.
Ключевые тезисы
- Без бейзлайна невозможно понять, есть ли польза от модели.
- Хороший бейзлайн ставится за час и часто оказывается достаточным.
- Бейзлайн заодно проверяет весь пайплайн от данных до метрики.
Подробный разбор
2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.
1Лестница бейзлайнов
Поднимайтесь по ней, пока прирост окупает сложность.
- Константа: самый частый класс или среднее — задаёт нижнюю границу метрики.
- Правило эксперта: «если задолженность > X, отказать».
- Линейная модель на нескольких очевидных признаках.
- Бустинг со стандартными параметрами.
- И только потом — тонкая настройка, стекинг, нейросети.
Бейзлайн заодно проверяет весь конвейер: загрузку данных, разбиение, метрику, отчёт. Если что-то сломано, это выяснится за час, а не через две недели.
2Константный бейзлайн
Число, ниже которого опускаться нельзя.
from sklearn.dummy import DummyClassifier, DummyRegressor
DummyClassifier(strategy="prior").fit(X_tr, y_tr).score(X_te, y_te)
DummyRegressor(strategy="median").fit(X_tr, y_tr)Если ваша модель не обходит константу с запасом, значит либо признаки не несут сигнала, либо в пайплайне ошибка. Это первая проверка, которую стоит делать всегда.
Связанные темы
Рабочий цикл ML-инженера
Problem formulation70%
Постановка задачи · Практика MLПеревод бизнес-вопроса в ML-задачу с целевой переменной, метрикой и ограничениями.
Debugging models70%
Отладка моделей · Практика MLСистематический поиск причины, почему модель не учится или ведёт себя странно.
Hyperparameter tuning70%
Настройка гиперпараметров · Практика MLПоиск конфигурации модели по валидационной метрике — последний, а не первый шаг работы.
Overfitting70%
Переобучение · Практика MLМодель запомнила обучающую выборку вместе с шумом: train-метрика отличная, val — плохая.
Error analysis70%
Анализ ошибок · Оценка моделейРучной разбор случаев, где модель ошибается: почти всегда даёт больше, чем очередной перебор гиперпараметров.
Production ML70%
ML в продакшене · Практика MLМодель в проде — это сервис с SLA, мониторингом, версионированием и планом отката.