Писали ли свои классы

Что проверяют

Уместность объектно-ориентированного кода там, где основной стиль это функции поверх таблиц и массивов. Смотрят, отличаете ли вы случай, когда нужен объект с состоянием, от случая, когда достаточно обычной функции.

Как отвечать

Скажите, где класс оправдан:

• преобразование с состоянием, обученным на обучающей выборке: параметры нормализации, словарь категорий, отобранные признаки. Такой объект пишут совместимым с sklearn, с методами fit и transform, чтобы он вставал в Pipeline и корректно вёл себя при кросс-валидации;
• набор данных и модель в PyTorch, где класс требует сам фреймворк;
• конфигурация через dataclass или модель pydantic вместо словаря со свободными ключами.

class ClipOutliers(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        self.lo_, self.hi_ = X.quantile(0.01), X.quantile(0.99)
        return self

    def transform(self, X):
        return X.clip(self.lo_, self.hi_, axis=1)

И где не оправдан: обёртка без состояния поверх чтения файла это функция, которой приделали self. Хороший ответ проговаривает эту границу вслух.

Где спотыкаются

Приносят класс-пустышку: конструктор запоминает путь, единственный метод читает файл. На вопрос, что здесь даёт класс, ответа нет, потому что состояния у объекта не появилось.

Пишут преобразование мимо интерфейса sklearn. Оно не встаёт в конвейер, поэтому его применяют ко всему набору данных до разбиения. Статистики считаются в том числе по отложенной части, метрика на валидации завышена, а на проде результат заметно хуже.

Прячут в объект тяжёлое соединение или саму модель и потом не могут отправить его в рабочие процессы: объект не сериализуется, и обучение в несколько процессов падает на этапе передачи.