Кто готовил данные для модели и делал нормализацию?

Что проверяют

Какая часть подготовки данных была реально вашей и понимаете ли вы, где нормализация ломает валидацию. Интервьюер ждёт не список методов, а признаки того, что вы сами обучали скейлер и видели последствия ошибок. Следом обычно спрашивают, на какой части выборки вы вызывали fit.

Как отвечать

Сначала честно распределите роли: кто собирал сырые данные (дата-инженер, аналитик, вы сами), кто чистил и строил признаки, кто делал нормализацию. Затем по сути:

• разбиение до преобразований: сначала train, validation и test, потом fit скейлера только на train и transform на остальных частях. Для временных рядов разбиение по времени, а не случайное;
• Pipeline и ColumnTransformer: в scikit-learn скейлер кладётся внутрь пайплайна, тогда при кросс-валидации он заново обучается на каждом фолде и утечки нет;
• выбор метода: StandardScaler приводит к нулевому среднему и единичной дисперсии, MinMaxScaler сжимает в диапазон [0, 1] и чувствителен к выбросам, RobustScaler опирается на медиану и межквартильный размах;
• когда это нужно: линейные и логистические модели с регуляризацией, kNN, SVM, нейросети чувствительны к масштабу. Деревья и градиентный бустинг на монотонное масштабирование практически не реагируют;
• продакшн: обученный скейлер сохраняется вместе с моделью, иначе на инференсе признаки масштабируются по другим статистикам.

Метрики называйте свои и с базой сравнения: сколько было на отложенной выборке, сколько стало и за счёт чего.

Если нормализацию делал коллега или она была частью готового фича-стора, так и скажите и объясните, что проверяли вы: распределения, пропуски, согласованность обучения и инференса.

Где спотыкаются

Вызывают fit_transform на всём датасете до разбиения. Статистики тестовой части попадают в обучение, и метрика на тесте получается завышенной.

Считают, что стандартизация требует нормального распределения или делает распределение нормальным. Она только сдвигает и масштабирует, форма не меняется.

Путают нормализацию признаков с Normalizer из scikit-learn: он приводит к единичной длине каждую строку, а не столбцы.