Пробовали ли другие методы
Что проверяют
Был ли выбор модели осознанным решением или единственным, что вы умели применить. Вопрос почти всегда идёт следом за рассказом о проекте: смотрят, есть ли у вас протокол сравнения, честная метрика и готовность признать отрицательный результат.
Как отвечать
Рассказывайте не список алгоритмов, а процедуру выбора.
- Базовая линия. Всегда есть простое решение для сравнения: константа, среднее по группе, линейная или логистическая регрессия. Без неё непонятно, что вообще дал сложный метод.
- Что сравнивали и на чём. Для табличных данных сильный вариант по умолчанию это градиентный бустинг, нейросеть оправдана на больших объёмах и неструктурированных данных. Сравнение идёт по метрике, привязанной к задаче: на несбалансированных классах это полнота при фиксированной точности или площадь под PR-кривой, а не доля верных ответов.
- Как валидировали. Одни и те же фолды для всех кандидатов, для временных данных разбиение по времени, отложенная выборка, к которой вы не подгоняли гиперпараметры.
- Чем ограничены. Время инференса, память, требование объяснимости, стоимость поддержки. Модель, которая лучше на доли процента и втрое дороже в проде, обычно проигрывает.
Скажите, что часть выигрыша пришла не от модели: чистка данных, новые признаки, уточнение целевой переменной, устранение утечки. Отрицательный результат тоже ответ: попробовали, прироста не дало, оставили простое решение.
Где спотыкаются
Перечисляют названия алгоритмов без протокола. Непонятно, на одинаковых ли данных сравнивали, одинаково ли подбирали гиперпараметры и сколько раз заглядывали в тестовую выборку. Десяток подгонок по тесту это уже утечка, и число после неё ничего не значит.
Называют прирост в процентах, не уточняя, относительно какой базы, на какой выборке и по какой метрике. Первый же встречный вопрос разваливает ответ, а заученная фраза про рост точности на пятнадцать процентов звучит как шаблон из чужого резюме.
Перебирают модели, не трогая данные. Случайное разбиение на временном ряду завышает метрику, дубликаты между обучением и тестом тоже, и никакой подбор алгоритма этого не лечит.