Логарифмування всіх позитивних ознак

Нормування значень до інтервалу [0,1]

Віднімання середнього та ділення на стандартне відхилення

Розбиття на квантилі

Покрокова walk-forward (rolling-origin) валідація

Leave-one-out без урахування часу

Стратифікований K-fold за категорією SKU

Звичайний K-fold з перемішуванням

Відсутність дублікатів у датасеті

Оцінка швидкості доступу до БД

Частка заповнених значень від загальної кількості очікуваних

Частка коректно відформатованих полів

Навчати скейлер на всьому датасеті

Підібрати параметри скейлера на валідації

Масштабувати тільки цільову

Фітити скейлер лише на train та застосовувати до test

Заповнення нулем

Замінити середнім за весь період

Лінійна/сезонна інтерполяція між сусідніми точками

Видалити всі рядки з пропусками

Рівність середнього та медіани

Відсутність логічних суперечностей між таблицями/правилами

Зменшення дисперсії ознак

Відсутність пропусків у стовпцях

Стратифікована вибірка за категоріями

Випадкове перемішування рядків

Вибір останнього безперервного інтервалу як тесту

K-fold з довільним перемішуванням

Метод балансування вибірки

Метод скорочення розмірності ознак

Представлення числових ознак у відсотках

Бінарне кодування категоріальної змінної набором індикаторних стовпців

PCA без попередньої стандартизації

Аналіз залишків після STL/Loess-декомпозиції

K-means кластеризація

Min–max масштабування

Значення цільової/ознаки з попередніх періодів

Двійковий індикатор події у майбутньому

Похідна від цільової змінної

Сума всіх попередніх значень