1. Что такое гиперпараметры модели и чем они отличаются от параметров, определяемых в процессе обучения?
2. В чём заключаются особенности Grid Search, Random Search и Bayesian Optimization при подборе гиперпараметров?
3. Как работает Permutation Importance и почему оценки важности могут быть нестабильными при коррелированных признаках?
4. Что объясняет метод SHAP и почему полученные значения нельзя считать доказательством причинно-следственных связей?
5. Почему при оценке надёжности модели необходимо учитывать независимость тестовой выборки, устойчивость к изменениям данных, справедливость решений и возможный сдвиг распределения?