Как проверить ML-модель перед продом и избежать утечки данных в scikit-learn

Статья разбирает практический подход к проверке качества ML-модели перед запуском в продакшен: от временного сплита и настройки Pipeline до подбора порога решения и подготовки артефакта для инференса. Автор объясняет, почему высокая метрика на кросс-валидации не гарантирует такой же результат после запуска, и как избежать ошибок в подготовке данных и утечки данных.