Практики построения признаков

Используйте этот чек-лист, когда добавляете или меняете ML-признаки.

Базовые правила

• Признаки должны быть causality-safe.
• Соблюдайте соглашения по неймингу (TF*_ALT_*, TF*_BTC_*).
• Не допускайте leakage через неверное выравнивание таймстемпов.

Паритет train/infer

• Окна и trim-логика должны совпадать в train и infer.
• Изменения схемы нужно тестировать на совместимость.
• Добавляйте тесты на форму выходного feature-row.

Рабочий процесс

1. Добавьте признак в transform-путь.
2. Перегенерируйте dataset export.
3. Обучите модель и оцените holdout/walk-forward.
4. Проверьте runtime-инференс с новым набором признаков.
5. Задокументируйте мотивацию и эффект.

Антипаттерны

• Вливание экспериментальных признаков в прод без контроля drift.
• Изменения фичей без проверки parity и обратной совместимости.